Esercizio del materiale rotabile sulla Ferrovia Canavesana (2020)

6.2.3. Moduli di Arena sviluppati

Di seguito saranno descritte le varie fasi per l’elaborazione del modello simulativo.

Inizialmente avviene la generazione di 6 convogli al giorno, pari al numero massimo di

manovre eseguibili dall’officina nel singolo giorno. L’entità legge da Excel la riga

corrispondente alla sua attività di officina (Figura 92). Essa può essere nulla se non sono

assegnati convogli realmente fisici a quello slot e, quindi, l’officina è libera da quella

manovra (ID0), oppure può avere una o più operazioni da fare (al massimo 4). Sulla riga sono

letti gli attributi per ogni entità, compilati dall’officina in fase di programmazione (Figura 93).

Figura 92 - Generazione convogli e lettura della schedulazione di officina (Screenshoot del modello implementato in

Arena)

Figura 93 - Documento di scheduling di officina letto dal modulo ReadWrite (Screenshoot del file Excel)

Come si evidenzia in Figura 94, gli attributi assegnati sono:

Impresa: in questo caso l’officina fornisce servizio solo a convogli del Gruppo

Torinese Trasporti;

Nome del convoglio: identificativo unico del convoglio letto in testa allo

stesso.

Per ogni attività da eseguire viene inoltre assegnato:

Il tipo di attività: tipologia di intervento manutentivi, guasto o ricovero;

Il binario assegnato;

La data di entrata (qui usata in formato AAAAMMGG);

La data di uscita (qui usata in formato AAAAMMGG);

Successivamente viene assegnata la data odierna ad ogni convoglio, corrispondente alla data

di generazione dell’entità nel modello. Questa fase è importante per far coincidere il

calendario reale con il calendario interno al software (Figura ).

178

Figura 94 - Assegnazione della data corrente. Ad ogni data è associato in automatico da Excel un numero progressivo

al quale si farà riferimento per interfacciare Excel con Arena (Screenshoot del modello implementato in Arena)

Attraverso il primo modulo Decide si stabilisce se l’entità deve effettuare un’operazione di

manutenzione per la settimana corrente, l’entità viene indirizzata nelle aree predisposte

altrimenti viene scartata. Il secondo modulo Decide simula se la data letta da Excel

corrisponde al giorno corrente della simulazione: in caso affermativo, le entità vengono

instradate nel modulo Hold e aspettano il segnale di inizio turno, altrimenti sono messe in

attesa ed ogni giorno viene incrementata la data di 1 unità e valutato se è il giorno corretto

per entrare (Figura 95).

Figura 95 - Corretta entrata nel giorno previsto dallo scheduling (Screenshoot del modello implementato in Arena)

Ogni giorno viene creata un’entità giorno che attiva il segnale per rilasciare le due code

“attesa giorno” e “inizio turno” al fine di far partire tutti i processi (Figura 96).

Figura 96 - Generazione segnali (Screenshoot del modello implementato in Arena)

Viene successivamente letto da Arena il numero di operazioni che deve eseguire il convoglio

(da 1 a 4) e vengono attribuiti i rispettivi valori numerici (0 = nessuna attività prevista, 1 =

attività prevista). Essi sono utilizzati successivamente per smarcare se l’attività è già stata

svolta oppure no. Successivamente le entità vengono mandate alla corretta attività di

manutenzione (1^a attività) o ricovero (Figura 97).

179

Figura 97 - Lettura attività e instradamento verso la prima operazione (Screenshoot del modello implementato in Arena)

Per l’attività di ricovero, viene inizialmente smarcato il corrispettivo indice (impostato da 1 a

0) e successivamente si indirizza l’entità verso i binari per la corrispettiva durata di intervento

letta dal file Excel. Le risorse binari di ricovero non hanno una specializzazione, tuttavia i

convogli sono instradati verso il binario prescelto dall’officina. L’utilizzo di questa risorsa

corrisponde alla coda e rappresenta l’eventuale collo di bottiglia (Figura 98).

Figura 98 - Attività di ricovero (Screenshoot del modello implementato in Arena)

Per l’attività di manutenzione si imposta un processo simile al ricovero attività tenendo

presente la specializzazione dei binari di officina. In particolare si assegna la durata letta dal

file Excel, si imposta l’attività dallo stato “da fare” allo stato “eseguita” (indice impostato da

180

6.3. Campagna di simulazione multi - scenario

Verranno ora descritti i principali scenari oggetto di studio nella campagna simulativa e i

relativi risultati ottenuti. Concettualmente possiamo suddividere gli scenari proposti in tre

gruppi:

Scenario n. 0: lo scenario base oggetto dei principali confronti;

gli scenari imprevisti (da 1 a 2f): in cui verranno valutati tutti gli eventi non

pianificabili quali guasti e ritardi;

gli scenari propositivi (3 e 4): nei quali saranno oggetto di studio le azioni di

investimento o riqualificazione volte a migliorare la potenzialità dell’impianto

di manutenzione.

Le conclusioni si basano su considerazioni sia lato officina, andando a considerare come

principali KPIs i tempi di effettiva lavorazione (“Value added cost”) e i tempi di ricovero

(“Wait cost”) per mancanza di risorse, sia lato esercizio verificando la disponibilità dei

convogli. In particolare verranno presi in considerazione l’indice di disponibilità, definito

come il numero di veicoli sostituibili in caso di eventi imprevisti e il coefficiente di copertura

turni (CCT) (Figura 101) definito come:

Coefficiente copertura turni

1,75

1,50

1,25

1,00

0,75

Figura 101 - Coefficiente copertura turni per l'anno 2020 (Scenario n. 0)

Inoltre, al fine di fornire anche una valutazione monetaria del tempo risparmiato o del ritardo,

in accordo con la media nazionale (ISTAT, 2019), si stima il costo dell’officina di

manutenzione a 48 €/h. Un ulteriore aspetto valutato sarà la resilienza, ovvero la capacità di

tornare alla programmazione originale dopo un certo intervallo di tempo.

182

6.3.1. Scenario n. 0: Schedulazione dell’officina

Lo scenario denominato “scenario n. 0” è da ritenersi come lo scenario di riferimento per i

successivi confronti. In questo scenario base verrà simulata la schedulazione di officina

progettata e perciò rappresenterà una condizione linea maggiormente teorica. In particolare,

dato il giro-macchine presente in Figura 86 A e B, si compila la programmazione delle

movimentazioni e delle attività dell’officina in modo deterministico per l’intero anno: le

durate delle diverse attività sono completamente rispettate e congrue a quelle previste nella

trama di manutenzione (paragrafo 4.3.3) e non vi sono eventi imprevisti. Il numero di addetti

in officina è da ritenersi sufficiente per svolgere tutte le operazioni rispettando le scadenze

pianificate. Ovviamente tale condizione si discosta dalla realtà; tuttavia rappresenta solo un

termine di confronto tra gli scenari essendo essa la situazione di progetto. I valori dei KPIs

considerati sono riassunti in Tabella 42:

Key Performance Index Scenario 0

Value Added Cost [h]

7728

Wait Cost [h]

4272

Total Cost [h]

12000

Tabella 42 - Scenario n. 0: valori dei KPIs

Secondo questi risultati, l’attività di manutenzione complessiva si stima a 12000 h per l’anno

2020 di cui il 64% (7728 h) di effettiva lavorazione e il 36% (4272 h) di coda per mancanza di

disponibilità di risorse. Si stima perciò il costo delle attività come:

Si differenziano inoltre i risultati per ogni risorsa di officina e di ricovero (Tabella 43). Si

evidenzia inoltre un utilizzo uniforme di 5 binari di ricovero su 7, uno scarso utilizzo del

primo binario e un’organizzazione volta a conservare un binario (il numero 7) sempre libero:

183

Time per Entity

Average

Minimum Value

Maximum Value

Average

Minimum Value

Maximum Value

Scenario 0

VA Time per Entity

[gg]

[h]

Binario 1

1,24

1,00

5,00

29,79

24,00

120,00

Binario 2

1,47

1,00

4,00

35,16

24,00

96,00

Binario 3

9,35

10,00

12,00

224,40

240,00

288,00

Binario Ricovero 1

0,00

Binario Ricovero 2

0,00

Binario Ricovero 3

0,00

Binario Ricovero 4

0,00

Binario Ricovero 5

0,00

Binario Ricovero 6

0,00

Binario Ricovero 7

0,00

Wait Time per Entity

[gg]

[h]

Binario 1

0,00

Binario 2

0,00

Binario 3

0,00

Binario Ricovero 1

2,70

1,00

10,00

64,80

24,00

240,00

Binario Ricovero 2

7,00

1,00

14,00

168,00

24,00

336,00

Binario Ricovero 3

6,40

3,00

9,00

153,60

72,00

216,00

Binario Ricovero 4

7,67

2,00

14,00

184,00

48,00

336,00

Binario Ricovero 5

7,00

168,00

Binario Ricovero 6

6,00

144,00

Binario Ricovero 7

0,00

Tabella 43 - Scenario n. 0: valore medi, minimi e massimi dei costi divisi per ogni risorsa

Dai dati della Tabella 43 si costruisce agevolmente il grafico in Figura 102. Si noti come il

lavoro sia equamente distribuito sulle due vie dedicate alla manutenzione ordinaria (binario 1

e binario 2). Risulta un forte sbilanciamento di lavoro sulla terza via dedicata esclusivamente

alle torniture delle ruote, operazione onerosa in termini temporali. Si evidenzia perciò il primo

elemento di criticità nella gestione della manutenzione: la tornitura delle ruote.

VA Time per Entity - Scenario 0

10%

12%

Binario 1

Binario 2

78%

Binario 3

Figura 102 - Scenario n. 0: lavorazione percentuale per le diverse risorse

Si mette infine in evidenza il tempo accumulato durante l’anno (Tabella 44):

184

Accumulated Time

Scenario 0

[gg]

[h]

Binario 1

1728

Binario 2

1512

Binario 3

187

4488

Binario Ricovero 1

1296

Binario Ricovero 2

1344

Binario Ricovero 3

768

Binario Ricovero 4

552

Binario Ricovero 5

168

Binario Ricovero 6

144

Binario Ricovero 7

Tabella 44 - Scenario n. 0: lavoro annuo per risorsa

Dallo scenario base si ricava l’andamento della disponibilità lungo le settimane dell’anno

(Tabella 45 e Figura 103). Tale valutazione è a favore di sicurezza in quanto, un convoglio

che finisce la manutenzione in settimana risulta nuovamente disponibile per l’esercizio ma

non è conteggiato in questo calcolo, eseguito su base settimanale. Nella successiva tabella

viene evidenziata in rosso la settimana peggiore lato manutenzione¹⁷, in giallo la settimana

peggiore lato esercizio, in verde il giorno migliore.

Giro Macchine

Inizio

Fine

Convogli in officina

Convogli parcheggiati

Giro Macchine

Inizio

Fine

Convogli in officina

Convogli parcheggiati

Settimana 1

30/12/2019

05/01/2020

Settimana 28

07/01/1900

Settimana 2

06/01/2020

12/01/2020

Settimana 29

14/01/1900

Settimana 3

13/01/2020

19/01/2020

Settimana 30

21/01/1900

Settimana 4

20/01/2020

26/01/2020

Settimana 31

28/01/1900

Settimana 5

27/01/2020

02/02/2020

Settimana 32

04/02/1900

Settimana 6

03/02/2020

09/02/2020

Settimana 33

11/02/1900

Settimana 7

10/02/2020

16/02/2020

Settimana 34

18/02/1900

Settimana 8

17/02/2020

23/02/2020

Settimana 35

25/02/1900

Settimana 9

24/02/2020

01/03/2020

Settimana 36

03/03/1900

Settimana 10

02/03/2020

08/03/2020

Settimana 37

10/03/1900

Settimana 11

09/03/2020

15/03/2020

Settimana 38

17/03/1900

Settimana 12

16/03/2020

22/03/2020

Settimana 39

24/03/1900

Settimana 13

23/03/2020

29/03/2020

Settimana 40

31/03/1900

Settimana 14

30/03/2020

05/04/2020

Settimana 41

07/04/1900

Settimana 15

06/04/2020

12/04/2020

Settimana 42

14/04/1900

Settimana 16

13/04/2020

19/04/2020

Settimana 43

21/04/1900

Settimana 17

20/04/2020

26/04/2020

Settimana 44

28/04/1900

Settimana 18

27/04/2020

03/05/2020

Settimana 45

05/05/1900

Settimana 19

04/05/2020

10/05/2020

Settimana 46

12/05/1900

Settimana 20

11/05/2020

17/05/2020

Settimana 47

19/05/1900

Settimana 21

18/05/2020

24/05/2020

Settimana 48

26/05/1900

Settimana 22

25/05/2020

31/05/2020

Settimana 49

02/06/1900

Settimana 23

01/06/2020

07/06/2020

Settimana 50

09/06/1900

Settimana 24

08/06/2020

14/06/2020

Settimana 51

16/06/1900

Settimana 25

15/06/2020

21/06/2020

Settimana 52

23/06/1900

Settimana 26

22/06/2020

28/06/2020

Settimana 53

30/06/1900

Settimana 27

29/06/2020

05/07/2020

Tabella 45 - Disponibilità convogli. (vedi successivi scenari).

¹⁷ La settimana peggiore lato manutenzione è stata scelta non solo in base al numero di convogli in lavorazione, ma valutando

anche la mole di lavoro nel periodo immediatamente prima e dopo la settimana e il numero di veicoli parcheggiati. In questo

modo si sceglie la settimana 27 rispetto la settimana 9: nel periodo estivo il personale di officina è ridotto, il numero di

veicoli complessivamente nelle settimane precedenti e successivi è minore ed inoltre l’officina arriva da un periodo carico in

cui è possibile si porti dietro ritardi di lavorazione.

185

Disponibilità convogli

11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53

Settimana

Figura 103 - Disponibilità convogli durante l'anno 2020 secondo la pianificazione

L’impegno settimanale dell’officina durante l’anno viene rappresentato in Figura 104:

Numero di convogli in lavorazione

9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53

Settimana

Figura 104 - Numero convogli settimanali in lavorazione secondo la pianificazione

Risulta infine utile capire l’effettiva potenzialità dell’impianto e stabilire il numero di

convogli che l’officina riuscirebbe a gestire in più durante l’anno. A tal fine viene proposto il

seguente metodo di calcolo:

viene conteggiato il numero di volte in cui il convoglio è impiegato nel singolo

intervento (Tabella 46);

si effettua la media per categoria di intervento e si moltiplica per la durata specifica

dell’intervento;

si sommano le medie delle durate degli interventi fatti per ogni tipologia.

186

Tornitura

TTR1

TTR2

TTR3

TTR4

TTR5

TTR6

TTR7

TTR8

TTR9

TTR10

TTR11

TTR12

TTR13

TTR14

TTR15

TTR16

TTR17

TTR18

TTR19

TTR20

Media [-]

2,35

1,45

1,2

Media [gg]

2,35

1,45

2,4

Somma

= in media quanto occupa 1

convoglio durante l'anno

Tabella 46 - Numero di interventi per categoria e convoglio

Si trova che in media ogni convoglio occupa 14 giorni in officina in un anno. Avendo trovato

nella simulazione dello scenario n. 0 che l’occupazione totale è di 284 giorni su 301 giorni

lavorativi, si trovano per differenza i giorni liberi dell’officina (17 giorni). Dovendo avere a

disposizione in media 14 giorni, l’officina è in grado di aggiungere al massimo 1 convoglio

nella sua schedulazione.

6.3.2. Scenario n. 1: Ritardi dell’officina

Come si può facilmente intuire lo scenario n. 0 non corrisponderà mai alla situazione reale in

quanto la programmazione durante l’anno varierà per molteplici cause. Qui viene considerata

una generica condizione di non conformità tra i tempi pianificati e quelli effettivamente svolti.

Il presente scenario può ulteriormente essere particolareggiato considerando i singoli eventi

possibili (ritardo fornitura dei pezzi, scioperi, carenza di personale, ecc.) ed effettuando con

opportune proporzioni l’influenza dell’evento sui tempi pianificati. Nello scenario n.1 si

prende in esame un caso generico basandosi sull’esperienza del Gruppo Torinese Trasporti

nella gestione dell’officina di manutenzione. In particolare si stabilisce che la durata di ogni

attività di manutenzione ordinaria sia descritta da una distribuzione di probabilità triangolare

(Figura 105):

187

Figura 105 - Funzione di densità di probabilità triangolare (Fonte: Arena user's guide, 2019)

Con riferimento alla Figura 105Figura , si scelgono i seguenti valori empirici basati

sull’esperienza del personale del Gruppo Torinese Trasporti:

a Valore di durata minimo

= 0,9m

m Valore di durata desiderato

= valore di progetto

b Valore di durata massimo

= 1,5m

La funzione evidenzia un forte sbilanciamento verso la condizione di ritardo (valore b)

rispetto a una possibilità di rilascio del convoglio in anticipo (valore a). Tali valori, di natura

empirica, comprendono tutti quei ritardi di piccola entità che possono avvenire giornalmente

ed esclude i ritardi ingenti spesso dovuti a cause esterne all’azienda. In questa valutazione

vengono escluse le torniture delle ruote che rimangono costanti ad un valore di 8 giorni. I

valori dei KPIs trovati sono riassunti in Tabella :

Key Performance Index

Scenario 1

Value Added Cost [h]

8285

Wait Cost [h]

4272

Total Cost [h]

12557

Tabella 47 - Scenario n. 1: valori dei KPIs

Si nota, rispetto lo scenario n. 0, un incremento di 557 h di lavorazione pari al 7,5%.

Inoltre i risultati sono stati differenziati per ogni risorsa di officina e di ricovero (Tabella 48):

188

Time per Entity

Average

Minimum Value

Maximum Value

Average

Minimum

Maximum Value

Scenario 1

VA Time per Entity

[gg]

[h]

Binario 1

1,48

0,97

6,84

35,62

23,20

164,16

Binario 2

1,68

0,96

4,32

40,26

23,03

103,70

Binario 3

9,35

0,00

12,00

224,40

0,00

288,00

Binario Ricovero 1

0,00

Binario Ricovero 2

0,00

Binario Ricovero 3

0,00

Binario Ricovero 4

0,00

Binario Ricovero 5

0,00

Binario Ricovero 6

0,00

Binario Ricovero 7

0,00

Wait Time per Entity

[gg]

[h]

Binario 1

0,04

0,00

0,78

0,99

0,00

18,66

Binario 2

0,01

0,00

0,53

0,30

0,00

12,63

Binario 3

0,03

0,00

0,56

0,67

0,00

13,39

Binario Ricovero 1

2,70

1,00

10,00

64,80

24,00

240,00

Binario Ricovero 2

7,00

1,00

14,00

168,00

24,00

336,00

Binario Ricovero 3

6,40

3,00

9,00

153,60

72,00

216,00

Binario Ricovero 4

7,67

2,00

14,00

184,00

48,00

336,00

Binario Ricovero 5

7,00

168,00

Binario Ricovero 6

6,00

144,00

Binario Ricovero 7

0,00

Tabella 48 - Scenario n. 1: risultati divisi per risorsa

Come si può vedere, la coda sui binari di ricovero aumenta non in modo significativo se si

considerano le medie sull’intero anno (valori massimi di 1h/lavorazione), tardando

realisticamente l’uscita del convoglio al più di mezzo giornata. Anche se la ripercussione sui

binari di ricovero non risulta significativa, l’incremento del monte ore annuale di lavorazione

provoca un costo aggiunto di circa 26˙722 € annui, corrispondente a 265 €/intervento. Il

numero di ore cumulate annue per risorsa è fornito dalla Tabella 49,

Accumulated Time

Scenario 1

[gg]

[h]

Binario 1

2066

Binario 2

1731

Binario 3

187

4488

Binario Ricovero 1

1296

Binario Ricovero 2

1344

Binario Ricovero 3

768

Binario Ricovero 4

552

Binario Ricovero 5

168

Binario Ricovero 6

144

Binario Ricovero 7

Tabella 49 - Scenario n. 1: lavoro annuo per risorsa

Il CCT non è influenzato dai ritardi in quanto essi rappresentano piccole unità temporali e

perciò sono riassorbiti dal sistema all’interno della medesima settimana di lavorazione.

6.3.3. Scenario n. 2: guasti in linea

Tutti gli scenari denominati “2” proposti nella campagna di simulazione fanno riferimento a

situazioni di guasto del convoglio. Il guasto comporta l’immediata sostituzione di esso con

189

un convoglio disponibile nel parcheggio. Al verificarsi dell’imprevisto, la Direzione

dell’Esercizio provvede a minimizzare i disagi all’interno della giornata, sopprimendo il

minor numero possibile di treni, e a recuperare la regolarità del servizio al massimo il giorno

seguente. Per la simulazione di questi scenari si seguirà il seguente schema (Tabella 50):

Denominazione

Periodo

Durata

Giorno peggiore lato esercizio

1 giorno

Giorno peggiore lato manutenzione

1 giorno

Giorno migliore

1 giorno

Giorno peggiore lato esercizio

5 giorni

Giorno peggiore lato manutenzione

5 giorni

Giorno migliore

5 giorni

Tabella 50 - Scenari di guasto

Si riportano ora i principali KPIs analizzati per gli scenari elencati in Tabella 51 e lo scenario

di riferimento (scenario n. 0):

Key Performance Index

Scenario 0

Scenario 2a

Scenario 2b

Scenario 2c

Scenario 2d

Scenario 2e

Scenario 2f

Value Added Cost [h]

7728

7752

7824

7872

7848

Wait Cost [h]

4272

4320

4296

4272

4488

4248

4272

Total Cost [h]

12000

12072

12048

12024

12312

12120

Tabella 51 - Scenario n. 2: valori dei KPIs

Come si evince dalla Tabella 51, le situazioni peggiori ricadono negli interventi di

manutenzione correttiva stimati a 5 giorni, con un incremento da 120 (scenario n.2e) a 312 ore

(scenario n.2d) complessive di impossibilità di utilizzo dei convogli. Lo scenario di minore

interesse, in linea con le aspettative, è quello riferito al guasto nel giorno migliore di durata 1

giorno (scenario n. 2C). Risulta interessante notare un incremento dei tempi che si distribuisce

in modo differenziato tra il tempo di ricovero e il tempo di lavorazione effettivo. In

particolare si può notare che nello scenario n. 2D, riferito al giorno peggiore lato esercizio, il

guasto si ripercuote maggiormente sulla zona di ricovero (incremento di 216 h) rispetto alle

vie di manutenzione (incremento di 96 h); al contrario, nello scenario n. 2E l’intervento di

riparazione ha come effetto un incremento di 144 h nelle vie dell’officina ma un decremento

nella zona di ricovero (-24 h). Quest’ultimo fatto è dovuto alla diversa priorità che l’officina

assegna ai convogli guasti e quindi all’organizzazione interna. Seppur il decremento della

coda di ricovero possa rappresentare un aspetto positivo, esso non è un elemento di grande

vantaggio in quanto:

190

Le risorse nella zona di ricovero sono fortemente in eccesso , come si può notare

dalla Tabella 51 dove i valori del Wait Time risultano particolarmente bassi se non

nulli;

L’incremento della lavorazione nella via dell’officina ha un peso maggiormente

determinante rispetto l’esiguo risparmio in coda di ricovero.

Si prendono ora in considerazione solo gli scenari 2D e 2E, in quanto quelli maggiormente

significativi. Si vede come la gestione sia comunque orientata ad un utilizzo uniforme delle

due vie di manutenzione, sintomo di una buona pianificazione nella gestione delle risorse.

Questa peculiarità si evince dall’uniforme incremento del tempo medio tra il Binario 1 e il

Binario 2. Rivolgendo invece l’attenzione ai binari di ricovero, si nota l’importanza di avere

un binario sempre libero (binario ricovero 7) da dedicare a un evento di guasto. La possibilità

infrastrutturale di una zona dedicata agli eventi imprevisti semplifica le manovre e permette di

avere un primo punto certo di stazionamento pronto per essere usato senza intaccare la

restante zona di ricovero e provvedere a più complicate movimentazioni di materiale rotabile.

Questo fattore è evidenziabile nella valutazione dei tempi dell’ultima riga della Tabella 52

che, nello scenario n. 0, risultavano nulli.

Time per Entity

Average Minimum Value Maximum Value

Average

Minimum Value Maximum Value

Average Minimum Value Maximum Value

Scenario 2D

Scenario 2E

VA Time per Entity

[gg]

[h]

[gg]

[h]

Binario 1

1,29

1,00

5,00

30,92

24,00

120,00

1,24

1,00

5,00

29,76

24,00

120,00

Binario 2

1,45

1,00

4,00

34,91

24,00

96,00

1,57

1,00

6,00

37,68

24,00

144,00

Binario 3

9,35

10,00

12,00

224,40

240,00

288,00

9,35

10,00

12,00

224,40

240,00

288,00

Binario Ricovero 1

0,00

Binario Ricovero 2

0,00

Binario Ricovero 3

0,00

Binario Ricovero 4

0,00

Binario Ricovero 5

0,00

Binario Ricovero 6

0,00

Binario Ricovero 7

0,00

Wait Time per Entity

[gg]

[h]

[gg]

[h]

Binario 1

0,00

Binario 2

0,00

Binario 3

0,00

Binario Ricovero 1

2,70

1,00

10,00

64,80

24,00

240,00

2,70

1,00

10,00

64,80

24,00

240,00

Binario Ricovero 2

7,00

1,00

14,00

168,00

24,00

336,00

6,88

1,00

14,00

165,00

24,00

336,00

Binario Ricovero 3

6,40

3,00

9,00

153,60

72,00

216,00

6,40

3,00

9,00

153,60

72,00

216,00

Binario Ricovero 4

7,67

2,00

14,00

184,00

48,00

336,00

7,67

2,00

14,00

184,00

48,00

336,00

Binario Ricovero 5

7,00

168,00

7,00

168,00

Binario Ricovero 6

6,00

144,00

6,00

144,00

Binario Ricovero 7

9,00

216,00

6,00

144,00

Tabella 52 - Scenario n. 2D e 2E: Time per Entity

Complessivamente i risultati degli scenari 2 vengono riportati in Figura 106:

191

Scenario n.2: KPI

14000

12000

10000

8000

6000

4000

2000

Scenario

Value Added Cost [h]

7728

7752

7824

7872

7848

Wait Cost [h]

4272

4320

4296

4272

4488

4248

4272

Total Cost [h]

12000

12072

12048

12024

12312

12120

Figura 106 - Risultati aggregati scenari n.2

Si nota come i guasti riparabili in 1 giorno lavorativo (scenari n. 2a - 2c) portano conseguenze

molto simili, più interessanti sono gli scenari dove il guasto occupa l’officina per più giorni

(scenari n. 2d - 2f) dove i valori si discostano maggiormente rispetto lo scenario n.0.

Si riportano inoltre i tempi accumulati per l’intero anno (Tabella 53):

Accumulated Time

Scenari

o 2A

Scenari

o 2B

Scenario 2C

Scenario 2D

Scenario 2E

Scenario 2F

[gg]

[h]

[gg]

[h]

[gg]

[h]

[gg]

[h]

[gg]

[h]

[gg]

[h]

Binario 1

1728

1824

1728

Binario 2

1536

1512

1656

1632

Binario 3

187

4488

187

4488

187

4488

187

4488

187

4488

187

4488

Binario Ricovero 1

1296

Binario Ricovero 2

1344

1320

Binario Ricovero 3

768

Binario Ricovero 4

552

Binario Ricovero 5

168

Binario Ricovero 6

144

Binario Ricovero 7

216

Tabella 53 - Scenario n. 2 A-F: tempi accumulati per l'anno 2020

È interessante comprendere gli effetti che i guasti hanno sull’esercizio, valutando la resilienza

della pianificazione del giro-macchine. Se il ritardo dell’officina (scenario n. 1) risultava

recuperabile e quindi di scarse implicazioni per il servizio erogato, il fermo di un convoglio in

esercizio comporta la necessità di mettere a disposizione un altro veicolo e modificare lo

scheduling a valle del fenomeno di guasto.

Per lo scenario n. 2D la situazione è quella rappresentata in Tabella 54:

192

Tabella 54 - Scenario n. 2D: valutazione della resilienza. Il colore rosso rappresenta la conseguenza immediata del guasto

(la sostituzione di convoglio), il colore arancione la conseguenza non immediata al guasto (la variazione di km sul lungo

termine), il colore verde la congruità con quanto pianificato nonostante le variazioni.

In particolare si pianifica la sostituzione del TTR3 (soggetto del guasto in quanto treno più

penalizzante) con il TTR16 in parcheggio per due settimane. Il TTR16 rispetta comunque la

scadenza manutentiva anche se aumenta i chilometri, godendo del beneficio esposto nel

paragrafo 6.1.2 punto III. Il TTR3 sposta la sua manutenzione di una settimana restando in

servizio nella settimana 37: il TTR11 entrerà in servizio la settimana seguente ma rispetta la

normale scadenza di manutenzione. Si sposta la manutenzione del TTR6 mandandolo in

ricovero fino al 12/8 (diminuendo il numero di veicoli parcheggiati). Il recupero della normale

programmazione è stimata dopo 6 settimane. Il CCT diminuisce localmente a 1,08 nella

settimana del guasto (nella settimana 32 solo 1 veicolo è disponibile in caso di necessità) e

assume il valore unitario nella settimana seguente (settimana 33). Ciò significa che in caso di

un ulteriore evento di guasto o imprevisto l’impresa non è in grado di erogare il servizio

stabilito con i mezzi a disposizione, obbligando ad una diminuzione nelle composizioni e un

peggioramento della qualità del servizio offerto.

Per lo scenario n. 2E la situazione è quella rappresentata in Tabella 55 dove si sostituisce il

TTR6 con il TTR8. La sostituzione provoca un effetto a catena sui chilometri degli altri

convogli: al fine di garantire il servizio l'effetto si propaga fino alla settimana 44. Si rimanda

la manutenzione del TTR16 della settimana successiva di 1 giorno, essendo le manutenzioni

programmate della settimana precedente tutte urgenti. Si deve valutare se conviene modificare

la programmazione così a lungo oppure far viaggiare il Treno 7 con 1 convoglio per la durata

della riparazione. Nel caso si voglia mantenere il livello di servizio prestabilito e agire come

in Tabella 55, il recupero della normale programmazione è stimato a 18 settimane. I CTT

diminuiscono localmente nelle settimane 27, 28, 34, 35, 43 e 44, garantendo comunque

sempre almeno due convogli parcheggiati di riserva e quindi attestando il coefficiente ad un

valore minimo di 1,16.

193

Tabella 55 - Scenario n. 2E: valutazione della resilienza. Il colore rosso rappresenta la conseguenza immediata del guasto

(la sostituzione di convoglio), il colore arancione la conseguenza non immediata al guasto (la variazione di km sul lungo

termine).

Prendendo in considerazione tutti gli scenari imprevisti (scenario n. 1 e 2 da A a F), si riporta

in Figura 107 l’incremento di costi monetario. Si trova come una serie di ritardi piccoli

durante l’anno porti a un incremento dei costi maggiore a fine periodo rispetto all’insorgenza

di un guasto. Perciò risulta di notevole importanza per l’azienda diminuire il numero di guasti

al più piccolo numero possibile ma riuscire anche ad avere una costante attenzione al rispetto

dei tempi e alla minimizzazione dei ritardi. Ovviamente l’eventuale aumento di guasti

comporterebbe un incremento dei costi complessivi ma ciò non comprometterebbe una

sottovalutazione della perdita monetaria dovuta ai ritardi.

Costo monetario scenari imprevisti

400000

380000

360000

340000

Scenario 0 Scenario 1 Scenario 2a Scenario 2b Scenario 2c Scenario 2d Scenario 2e Scenario 2f

Figura 107 - Incremento dei costi monetari scenari imprevisti

6.3.4. Scenario n. 3: investimento ed attuazione del giro-ruote

Si propone ora la valutazione delle ripercussioni che ha l’investimento di 8 ruote nuove

sull’efficienza dell’officina. Abbiamo già evidenziato come la tornitura delle ruote, che

occupa 8 giorni lavorativi, sia un elemento di criticità e causi code e ritardi. Si propone

194

l’acquisto di 8 nuove ruote al fine di effettuare un semplice scambio quando quelle in uso

sono da riprofilare, per eseguire l’operazione al tornio in un secondo momento più scarico per

l’officina. L’operazione di sostituzione viene stimata in 2 giorni lavorativi e il costo delle

ruote è stimato pari a 7˙500 €/sala. Poiché molti convogli arrivano a riprofilatura in tempi

circa uguali, è impossibile fare il giro-ruote su tutti ma si pianificano gli interventi in base allo

scheduling generale. Si procede quindi dalla modifica dello scheduling prevedendo tempi

ridotti come descritto in precedenza per i TTR 1, 2, 3, 5, 6, 7, 10, 11, 12, 13, 14, 15, 16, 17, 18

e 19. (Figura 108).

Figura 108 - Estratto dello scheduling con giro-ruote anziché riprofilatura

Ovviamente si modifica di conseguenza il calendario dell’officina (Tabella 56):

ID74

GTT

TTR17

20200921

20200923

20200925

Tabella 56 - Estratto calendario officina con giro-ruote. Operazione ID74 su TTR17 (settimana 39)

Analizzando i KPIs (Tabella 57) si nota una notevole diminuzione sia dei tempi di

lavorazione sulle vie di manutenzione sia nella zona di ricovero.

Key Performance Index

Scenario 0

Scenario 3

Value Added Cost [h]

7728

5832

Wait Cost [h]

4272

1850

Total Cost [h]

12000

7680

Tabella 57 - Scenario n. 3: valori KPIs

Mettendo in evidenza i tempi sulle diverse risorse (Tabella 58) si nota una redistribuzione

complessiva dei pesi tra le risorse, seppur rimane alto il tempo medio sul binario 3 (Figura

109):

195

Time per Entity

Average

Minimum Value

Maximum Value

Average

Minimum Value

Maximum Value

Scenario 3

VA Time per Entity

[gg]

[h]

Binario 1

1,24

1,00

5,00

29,76

24,00

120,00

Binario 2

1,47

1,00

4,00

35,28

24,00

96,00

Binario 3

5,5

2,00

11,00

132,00

48,00

264,00

Binario Ricovero 1

0,00

Binario Ricovero 2

0,00

Binario Ricovero 3

0,00

Binario Ricovero 4

0,00

Binario Ricovero 5

0,00

Binario Ricovero 6

0,00

Binario Ricovero 7

0,00

Wait Time per Entity

[gg]

[h]

Binario 1

0,00

Binario 2

0,00

Binario 3

0,00

Binario Ricovero 1

2,17

1,00

7,00

52,00

24,00

168,00

Binario Ricovero 2

3,29

1,00

6,00

78,86

24,00

144,00

Binario Ricovero 3

5,00

3,00

7,00

120,00

72,00

168,00

Binario Ricovero 4

2,50

2,00

3,00

60,00

48,00

72,00

Binario Ricovero 5

0,00

Binario Ricovero 6

0,00

Binario Ricovero 7

0,00

Tabella 58 - Scenario n. 3: Distribuzione media dei tempi sulle diverse risorse

Figura 109 - Confronto VA Time medio tra lo scenario n. 0 e lo scenario n. 3

Il tempo accumulato (Tabella 58) viene notevolmente diminuito, passando da 187 h (scenario

n.0) a 110 h (scenario n.4). Si stima un risparmio pari a:

Tale risparmio monetario è calcolato al solo fine di confronto con gli altri scenari; non

costituirebbe infatti un vero risparmio in quanto gli operai verrebbero impiegati in altre

mansioni.

196

Accumulated Time

Scenari

o 0

Scenario 3

[gg]

[h]

[gg]

[h]

Binario 1

1728

Binario 2

1512

Binario 3

187

4488

110

2640

Binario Ricovero 1

1296

936

Binario Ricovero 2

1344

552

Binario Ricovero 3

768

240

Binario Ricovero 4

552

120

Binario Ricovero 5

168

Binario Ricovero 6

144

Binario Ricovero 7

Tabella 59 - Scenario n. 3: tempo accumulato per l'anno 2020

Saranno ora analizzate le ripercussioni lato esercizio. Verificando la nuova disponibilità dei

veicoli parcheggiati, incrementata dalle operazioni di manutenzione di durata minore, si

ricalcola il CCT come visto all’inizio del paragrafo 6.3. Si confrontano i nuovi dati con i dati

dello scenario n. 0 (Tabella 60):

Confronto CCT

Convogli parcheggiati

CCT

Confronto CCT

Convogli parcheggiati

CCT

Giro Macchine

Scenario 0

Scenario 3

Scenario 0

Scenario 3

Giro Macchine

Scenario 0

Scenario 3

Scenario 0

Scenario 3

Settimana 1

1,42

Settimana 28

1,25

1,33

Settimana 2

1,50

Settimana 29

1,33

Settimana 3

1,58

Settimana 30

1,17

1,25

Settimana 4

1,67

Settimana 31

1,42

1,50

Settimana 5

1,50

Settimana 32

1,17

Settimana 6

1,42

Settimana 33

1,17

1,33

Settimana 7

1,58

Settimana 34

1,25

1,33

Settimana 8

1,50

Settimana 35

1,33

1,42

Settimana 9

1,25

Settimana 36

1,17

1,33

Settimana 10

1,42

1,50

Settimana 37

1,42

Settimana 11

1,33

1,42

Settimana 38

1,67

Settimana 12

1,67

Settimana 39

1,58

Settimana 13

1,50

Settimana 40

1,33

1,42

Settimana 14

1,50

Settimana 41

1,42

1,50

Settimana 15

1,42

1,50

Settimana 42

1,33

1,42

Settimana 16

1,42

1,50

Settimana 43

1,50

1,58

Settimana 17

1,33

1,42

Settimana 44

1,42

Settimana 18

1,17

Settimana 45

1,42

1,50

Settimana 19

1,42

1,50

Settimana 46

1,58

Settimana 20

1,50

1,58

Settimana 47

1,42

Settimana 21

1,42

1,50

Settimana 48

1,50

Settimana 22

1,33

1,42

Settimana 49

1,50

Settimana 23

1,25

1,33

Settimana 50

1,50

Settimana 24

1,33

1,50

Settimana 51

1,67

Settimana 25

1,42

1,50

Settimana 52

1,42

Settimana 26

1,33

1,42

Settimana 53

1,67

Settimana 27

1,25

1,33

Tabella 60 - Confronto CCT tra lo scenario n. 0 e lo scenario n. 3

Graficamente dalla Tabella 60 si ottiene:

197

Figura 110 - Confronto CCT tra lo scenario n. 0 e lo scenario n. 3

Si noti in Figura 110 che nelle parti iniziali e terminali dell’anno dove non esiste il problema

della coda per riprofilatura delle ruote, gli effetti sono pressoché nulli. Nella parte centrale

dell’anno, indicativamente tra le settimane 19 e 36, gli effetti sono accentuati poiché si

concentrano in questo periodo più torniture contemporaneamente. Ciò significa che

l’investimento porta dei benefici anche lato esercizio solo se i convogli maturano scadenze di

manutenzione pressoché simili. Al contrario, laddove il materiale rotabile si differenzia

notevolmente per uso e la politica di tornitura rimane un’attività non programmata ma affidata

a valutazioni sporadiche (vedi capitolo 4 per maggiori dettagli), l’attività è posticipabile e gli

effetti del giro-ruote vengono percepiti in modo minore. L’adozione della seconda politica

tuttavia porta con sé grande incertezza nei lavori programmabili e una gestione delle risorse

dell’officina volta sempre a breve termine.

Si ripercorrono ora i passaggi effettuati per il calcolo del numero di convogli che l’officina

può aggiungere alla propria schedulazione, come proposto alla fine del paragrafo 6.3.1. Con

l’investimento proposto nello scenario n. 3, si trova che in media un convoglio necessita di 9

giorni di lavorazione in officina. Dalla simulazione si trova che i giorni occupati per

lavorazioni in un anno è di 172 giorni, per differenza con i 301 giorni lavorativi annui si

ottengono 129 giorni liberi da lavorazioni nelle vie di manutenzione. Il numero di convogli

che l’impianto riuscirebbe a sostenere in più sono:

Tale valore è notevolmente aumentato rispetto il valore unitario trovato nello scenario n. 0.

198

6.3.5. Scenario n. 4: investimento di una passerella per la manutenzione ordinaria

Lo scenario n. 4 propone l’analisi degli effetti dell’investimento di una nuova passerella al

fine di eseguire le manutenzioni ordinarie (Figura 111). In particolare si tratta di attrezzare il

binario 3 dell’officina, fin’ora usato solo per la tornitura, al fine di eseguire gli interventi di

manutenzione sul tetto del convoglio, necessità descritta nel paragrafo 1.4. L’intervento

consiste non solo nell’acquisto della passerella ma anche nell’allungamento dell’armamento

al fine di ospitare l’intera lunghezza del convoglio. Si stimano i seguenti costi (Tabella 61):

Voce di costo

Costo [€]

Armamento

200˙000

Carro-ponte

70˙000

Totale:

270˙000

Tabella 61 - Investimento monetario scenario n. 4

Figura 111 - Carro-ponte pedonale per la manutenzione ordinaria (Fonte: Officina GTT)

Analizzando i KPIs (Tabella 62) si nota una diminuzione dei tempi di ricovero dovuta allo

spostamento di alcuni convogli sul binario 3 qualora fosse libero, tuttavia il tempo

199

complessivo delle lavorazioni di officina rimane invariato poiché non cambia il numero di

operazioni da svolgere.

Key Performance Index

Scenario 0

Scenario 4

Value Added Cost [h]

7728

Wait Cost [h]

4272

3888

Total Cost [h]

12000

11616

Tabella 62 - Scenario n. 4: KPIs

Analizzando le singole risorse (Tabella 63) si nota una diminuzione dei tempi medi di

lavorazione sul binario 3 in quanto ora non ospita solo le torniture di lunghe durate ma anche

brevi interventi quali gli R1 e gli R2. Comunque resta di notevole impatto sulla durata

l’intervento di riprofilatura delle ruote.

Time per Entity

Average

Minimum Value Maximum Value

Average

Minimum Value Maximum Value

Average

Minimum Value Maximum Value

Average Minimum Value Maximum Value

Scenario 0

Scenario 4

VA Time per Entity

[gg]

[h]

[gg]

[h]

Binario 1

1,24

1,00

5,00

29,79

24,00

120,00

1,23

1,00

5,00

29,52

24,00

120,00

Binario 2

1,47

1,00

4,00

35,16

24,00

96,00

1,46

1,00

4,00

35,04

24,00

96,00

Binario 3

9,35

10,00

12,00

224,40

240,00

288,00

7,42

1,00

12,00

178,08

24,00

288,00

Binario Ricovero 1

0,00

Binario Ricovero 2

0,00

Binario Ricovero 3

0,00

Binario Ricovero 4

0,00

Binario Ricovero 5

0,00

Binario Ricovero 6

0,00

Binario Ricovero 7

0,00

Wait Time per Entity

[gg]

[h]

[gg]

[h]

Binario 1

0,00

Binario 2

0,00

Binario 3

0,00

Binario Ricovero 1

2,70

1,00

10,00

64,80

24,00

240,00

3,07

1,00

10,00

73,68

24,00

240,00

Binario Ricovero 2

7,00

1,00

14,00

168,00

24,00

336,00

7,00

2,00

14,00

168,00

48,00

336,00

Binario Ricovero 3

6,40

3,00

9,00

153,60

72,00

216,00

5,40

2,00

9,00

129,60

48,00

216,00

Binario Ricovero 4

7,67

2,00

14,00

184,00

48,00

336,00

7,66

1,00

14,00

183,84

24,00

336,00

Binario Ricovero 5

7,00

168,00

7,00

168,00

Binario Ricovero 6

6,00

144,00

6,00

144,00

Binario Ricovero 7

0,00

Tabella 63 - Confronto scenario n. 0 e n. 4: analisi delle singole risorse

Di maggiore interesse è la Tabella 64: si nota che l’investimento è significativo qualora

l’obiettivo dell’azienda sia quello di ridurre il numero di veicoli in coda. Poiché il problema

principale non è nella zona di ricovero ma nelle vie di manutenzione, come visto nello

scenario n. 0 (paragrafo 6.3.1), l’investimento risulta meno significativo rispetto quello

proposto nello scenario n. 3 (paragrafo 6.3.4).

Accumulated Time

Scenari

o 0

Scenario 4

[gg]

[h]

[gg]

[h]

Binario 1

1728

1536

Binario 2

1512

Binario 3

187

4488

195

4680

Binario Ricovero 1

1296

1248

Binario Ricovero 2

1344

1368

Binario Ricovero 3

768

744

Binario Ricovero 4

552

360

Binario Ricovero 5

168

Binario Ricovero 6

144

Binario Ricovero 7

Tabella 64 - Scenario n. 0 e n. 4: tempi accumulati di lavorazione

200

Il valore del CCT non ha variazioni significative rispetto allo scenario base e l’investimento

proposto non porta significativi benefici all’esercizio in quanto nell’anno la disponibilità

aggiuntiva cumulata dei convogli rilasciati prima dall’officina è di soli 6 giorni.

Lo scenario è comunque interessante qualora l’azienda finanzi anche l’acquisto di un tornio in

fosse, del valore complessivo di 1˙000˙000 €. Tale acquisto equivale all’unione degli scenari

n. 3 e n. 4 portando i benefici di entrambi e riuscendo ad agire contemporaneamente

sull’abbattimento dei tempi di tornitura delle ruote e quindi di occupazione delle risorse in

officina (scenario n. 3), sulla diminuzione della coda nella zona di ricovero (scenario n. 4) e

avendo benefici anche lato esercizio (scenario n. 3).

6.3.6. Confronto tra scenari e conclusioni

Si riportano ora i costi, espressi in ore di occupazione delle risorse, relativi agli scenari

analizzati precedentemente (Figura 112 e Figura 113).

Figura 112 - Confronto tra scenari: costo totale. In grigio lo scenario base (n.0), in rosso gli scenari rappresentanti eventi

imprevisti, in verde gli scenari riferiti a situazioni migliorative.

Figura 113 - Confronto tra scenari: ripartizione dei costi

201

Rispetto allo scenario base (n.0), lo scenario imprevisto più significativo per l’azienda è

rappresentato dallo scenario n.1 (come si vede in Figura 112), ovvero la valutazione di ritardi

periodici dell’officina. Di conseguenza si suggerisce all’impresa di porsi come obiettivo la

minimizzazione dei ritardi nelle lavorazioni. Tenendo traccia dei motivi dei ritardi, l’azienda

può operare in maniera puntuale sui singoli problemi derivanti principalmente o da carenza

del personale o da una carenza di risorse. Come si vede dalla Figura 113, l’aumento di tempo

di lavorazione ricade interamente lato officina, non intaccando la zona di ricovero: la

simulazione permette perciò di identificare la parte delle risorse interessate dalle variazioni

sul programma e fornisce una risposta su dove operare nel sistema al fine di minimizzare le

perdite.

Tra gli scenari di guasto (n.2) apparentemente la situazione peggiore è rappresentata dal

guasto nel giorno peggiore per l’esercizio (n.2d): si dimostra un’altra volta come i due reparti

dell’azienda non possono operare separatamente ma è necessaria una visione d’insieme e

un’interfaccia informatica che possa far dialogare l’Esercizio e la Manutenzione.

L’incremento dei tempi viene comunque ripartito tra zona di ricovero e vie di manutenzione,

rendendo tale scenario meno problematico rispetto allo scenario n.2e in cui il guasto avviene

nel giorno peggiore per la manutenzione. Qui, anche se l’incremento complessivo è minore, il

singolo aumento di lavorazione nelle vie di manutenzione risulta maggiore rispetto al

precedente causando disagi maggiori a causa della scarsità delle risorse. Inoltre lo scenario

n.2e, come visto in precedenza, porta con sé problematiche maggiori se viene valutata la

resilienza.

Con questo esempio si dimostra come la simulazione ad eventi discreti fornisca una visione

più chiara su dove impattano gli eventi sui diversi processi dell’azienda, motivando i processi

decisionali e orientando la pianificazione integrata tra parti diverse dell’impresa. Tra gli

scenari propositivi, come visto nel paragrafo 6.3.4 e 6.3.5, il vantaggio maggiore è

rappresentato dallo scenario n.3 in cui i benefici maggiori sono considerati sia lato esercizio

sia lato manutenzione. Un ulteriore vantaggio della simulazione ad eventi discreti è perciò la

quantificazione dei miglioramenti attesi a seguito di un investimento e il confronto tra

investimenti diversi.

6.3.7. Sviluppi futuri del programma di simulazione

Il modello qui proposto costituisce una fase embrionale di un progetto più completo ed

articolato. Il fine ultimo degli sviluppi futuri sarà la creazione di un catalogo che permetta

202

all’azienda di operare in maniera rapida di fronte ad un evento imprevisto, avendo già

simulato in precedenza numerosi scenari. Per un’ulteriore sviluppo futuro si forniscono ora

alcuni spunti utili al fine di futuri sviluppi del programma proposto nel precedentemente

paragrafo 6.2.3.

1. Diminuzione delle entità generate dal software: la prima proposta di miglioramento,

di carattere computazionale, consiste nella simulazione di un minor numero di

convogli attraverso la generazione di un numero di convogli pari al totale di quelli a

disposizione e il riciclo di essi ad ogni ciclo. Essi, al giorno corretto, possono entrare

nel ciclo di manutenzione e, una volta finito, tornare al punto di origine ed attendere in

un modulo Hold fino al successivo intervento richiesto. La fine dell’esecuzione della

simulazione non verrà più sancita con la fine delle entità, come avviene nel

programma proposto, ma con la fine della schedulazione letta. Si elimina il modulo in

cui vengono ignorate le schedulazioni prive di intervento. In questa proposta si può

mantenere la pianificazione proposta come in Figura 86 oppure è possibile creare delle

schede di attività per ogni convoglio. La proposta risulta valida qualora si

considerassero flotte più numerose: in questo caso la complessità e la probabilità di

errore da parte dell’impresa nella generazione della schedulazione aumenterebbe;

perciò è utile avere situazioni diversificate da convoglio a convoglio e studiarle

separatamente. Verrebbe inoltre semplificata la compilazione delle tabelle e perciò

renderebbe accessibile a più utenti l’esecuzione della simulazione. Al contempo, con

questa soluzione, risulta più difficile identificare gli slot liberi per eventuali

inserimenti di guasti o interventi non pianificati: tale operazione risulta agevole nella

simulazione proposta dove si possiede un foglio Excel con gli slot vuoti

settimanalmente.

Figura 114 - Schema della 1^a proposta di miglioramento: diminuzione della generazione delle entità

2. Utilizzo della funzione temporale del software: la seconda proposta di miglioramento

riguarda l’utilizzo della variabile di Arena TNOW la quale tiene in considerazione il

203

tempo del modello. È possibile associare questa variabile alle entità e confrontarla con

il tempo di schedulazione per l’entrata in officina.

3. Unificazione dei documenti di Excel: la terza proposta di miglioramento consiste

nell’esecuzione della proposta 1, facendo tuttavia leggere ai convogli la rispettiva

colonna di programmazione del giro macchine proposta in Figura 86 (A e B). In tal

modo il programma aggiunge alla parte di manutenzione in officina anche la parte di

esercizio. Il convoglio, letta la rispettiva cella per la settimana corrente, è instradato o

in officina o in linea e svolge per l’intera settimana l’attività proposta . Il processo può

essere anche eseguito su scala giornaliera, appesantendo la pianificazione del giro

macchine ma rendendo possibile modifiche puntuali su guasti o interventi non

pianificati. La proposta comprende un programma maggiormente completo e

strutturato, elimina la generazione di documenti e fogli elettronici da parte del

progettista che si occupa solamente del giro macchine, tuttavia senza avere completa

padronanza delle pianificazione dell’officina. Tale sistema, utile anche in caso di

dialogo con ulteriori programmi di schedulazione, ha bisogno di personale esperto

nella gestione e comprensione del file Arena in modo da operare celermente nelle

variazioni di programma e interpretando in modo corretto i risultati forniti dalla

simulazione. È necessaria comunque una pianificazione manuale delle operazioni di

movimentazione di officina al fine di comunicare al DM¹⁸ le precise attività della

settimana, compresi i binari di partenza e arrivo da e verso l’officina. Questa proposta

comprende l’intero diagramma di flusso in Figura 89, automatizzando l’intero

processo e fornendo ulteriori possibilità di sviluppo del programma. Uno sviluppo

interessante di questa proposta è la gestione delle priorità dei lavori all’interno del

software Arena rispetto l’attuale progettazione nel foglio di calcolo Excel.

Figura 115 - Schema della 3^a proposta di miglioramento: unione dell'esercizio e della manutenzione in Arena

¹⁸ DM : Dirigente di Movimento (capitolo 2)

204

Conclusioni

La gestione del servizio ferroviario locale necessita di una sinergia tra le diverse competenze

e i campi di applicazione al fine di garantire un trasporto efficiente. Prendendo in

considerazione la Ferrovia Canavesana gestita dal Gruppo Torinese Trasporti, nell’ambito

della presente tesi viene innanzitutto dimostrata l’importanza della revisione normativa oggi

in atto da parte di ANSF e l’incidenza che essa ha sullo svolgimento dell’esercizio ferroviario.

L’approfondimento proposto permette di evidenziare la necessità da parte delle aziende di una

profonda conoscenza dei testi normativi e tecnici al fine di garantire un servizio passeggeri di

alta qualità. L’innalzamento del livello di sicurezza proposto dall’Agenzia comporta ricadute

su tutti gli ambiti interessati nell’erogazione del servizio e le imprese sono consapevoli che

bisogna introdurre dei cambiamenti consistenti per rimanere competitivi sul mercato

innalzando complessivamente la qualità e soddisfare le esigenze della clientela. In questo

nuovo scenario la sicurezza, la qualità dell’offerta commerciale e l’ammodernamento dei

sistemi di manutenzione e controllo diventano elementi essenziali di competitività. La

disponibilità di un sistema efficiente ed efficace di manutenzione del materiale rotabile potrà

costituire in futuro un fattore decisivo per il contenimento dei costi con standard qualitativi e

di sicurezza elevati. Nell’ambito del presente lavoro viene documentata la stretta connessione

tra l’esercizio e la manutenzione, due ambiti aziendali che necessitano di una crescente

comunicazione e di mezzi per dialogare al fine di operare in sinergia verso gli obiettivi

comuni, considerando i vincoli derivanti dalle mutue esigenze.

La questione della manutenzione è un problema attuale, rilevante sia dal punto di vista della

sicurezza sia da quello economico. Si è visto come un elemento apparentemente banale come

la durata del ciclo manutentivo richieda riflessioni e studi accurati per essere stabilito in modo

ottimale. È da notare inoltre la rilevanza del numero di convogli disponibili confrontato con

quelli necessari e lavorati per ogni intervento manutentivo. Il costo manutentivo subisce

variazioni sostanziali al variare di questi fattori, evidenziando l’importanza del contesto in cui

si realizza la manutenzione. Nella letteratura citata gli autori sviluppano modelli legati

principalmente ad elementi tecnici del materiale rotabile descrivendone l’usura per esercizio.

Tali modelli rimangono spesso privi di un’applicazione pratica e risultano insufficienti a

garantire una buona riuscita del programma manutentivo proposto. Da qui si deduce

205

l’importanza di calare nel contesto reale quanto teorizzato dal punto di vista analitico, al fine

di realizzare ed affinare modelli che risultino applicabili. Uno degli obiettivi raggiunti in

questa Tesi è quello di fornire un modello manutentivo di pratica applicazione, in grado di

recepire il crescente ritorno di esperienza nella gestione del materiale rotabile. L’applicazione

svolta fa riferimento al processo di riprofilatura delle ruote, fornendo una possibile soluzione

alle difficoltà riscontrate nell’azienda oggetto di studio della presente Tesi. Questa

opportunità è servita come dimostrazione della fattibilità di attuazione del modello e della

coerenza dei risultati da esso forniti. Più in generale, nel presente lavoro di Tesi viene fornito

un modello in grado di coprire una vasta gamma di casistiche delle attività manutentive e dei

diversi componenti, laddove le trame non sono accurate o presentano delle lacune.

La coordinazione tra i due reparti dell’azienda permette di non compromettere la normale

programmazione a fronte di eventi imprevisti. In questa Tesi sia la schedulazione sia la

rischedulazione delle attività di manutenzione sono state analizzate tramite l’implementazione

di un modello di simulazione in Arena. Il modello elaborato riceve in input la

programmazione dell’esercizio e dell’officina di manutenzione ed fornisce in output

l’utilizzazione delle risorse disponibili. Numerosi scenari sono stati analizzati tenendo in

considerazione anche il possibile verificarsi di eventi imprevisti. I risultati ottenuti dall’analisi

degli scenari hanno messo in evidenza come la simulazione ad eventi discreti possa

rappresentare un valido strumento di supporto decisionale per poter effettuare scelte ottimali

nell’ambito della manutenzione ferroviaria. Inoltre il modello proposto consente di creare

un’interfaccia efficace tra gli ambiti dell’Esercizio e della Manutenzione, favorendone il

dialogo necessario per incrementare la qualità dell’organizzazione logistica interna e del

servizio offerto agli utenti finali. Inoltre, la possibilità di simulare eventi non prevedibili

permette all’azienda di poter studiare in anticipo possibili azioni correttive e assumere

comportamenti cautelativi fin dalla fase di progettazione degli interventi di manutenzione,

oltre che di poter disporre di un sistema celere nella risposta agli imprevisti che possono

presentarsi.

L’approccio simulativo presentato pone le basi per l’evoluzione del settore manutentivo

ferroviario sempre più verso una manutenzione di tipo predittivo, permettendo agli operatori

di comprendere l’andamento dell’usura dei convogli e rimodulare i cicli manutentivi in base

alle reali esigenze di intervento. Lo strumento di simulazione sviluppato diventa necessario

206

Fiancata principale - Rivarolo → Chieri

Grado di

Ascesa

Progressiva

Distanze

Posti di

Indicazioni

Numero e

LOCALITA' DI SERVIZIO

Prestazione

[per mille]

chilometrica

parziali

blocco

di servizio

Capacità de

binari

Vari

22+077

RIVAROLO

(254 -

170)

18+940

3,137

Feletto

(289)

14+660

4,280

Bosconero

(217)

8+950

0,078

San Benigno

(164)

6+910

2,040

Volpiano

(185)

Raccordo ENI

3+990

1,730

km 3,900

0+000

3,990

(250)

17+673

0,000

SETTIMO

318

(632)

(650-

12+845

4,828

314

TORINO STURA

475)

9+359

3,486

310

Rebaudengo

TORINO

5+850

3,509

806

PORTA SUSA

(610-

[4+318]

1,532

TORINO LINGOTTO

105

135)

0+000

[8+010]

(687-

3,692

411

Moncalieri

3+692

621)

[13+030]

5,020

TROFARELLO

121

8+712

[21+594]

Chieri

17+276

Fiancata principale - Chieri → Rivarolo

Numero e

Grado di

Ascesa

Progressiva

Distanze

Posti di

Indicazioni

Capacità de

LOCALITA' DI SERVIZIO

Prestazione

[per mille]

chilometrica

parziali

blocco

di servizio

binari

17+276

Chieri

[21+594]

8+712

5,020

TROFARELLO

121

[13+030]

3+692

(687-

3,692

Moncalieri

411

[8+010]

621)

0+000

(610-

1,532

TORINO LINGOTTO

105

[4+318]

135)

TORINO

5+850

3,509

806

PORTA SUSA

Rebaudengo

9+359

3,486

310

(650-

12+845

4,828

TORINO STURA

314

475)

17+673

0,000

SETTIMO

318

(12)

0+000

3,990

(250)

Raccordo ENI

3+990

1,730

km 3,900

Volpiano

6+910

2,040

(185)

8+950

0,078

San Benigno

(164)

14+660

4,280

Bosconero

(217)

3,137

Feletto

18+940

(289)

Vari

(254 -

22+077

RIVAROLO

170)

Bibliografia e Sitografia

Acquaro G., (2019), La sicurezza ferroviaria, CIFI, Roma;

ALSTOM, (2011), Automotrice CTR/EMU “Minuetto” - manuali per il personale di

bordo addotto alla condotta, Documento interno volume PBC - 010, Torino;

Bababeik M., (2019), Developing a train timetable according to track maintenance

plans: a stochastic optimization of buffer time schedules, Transportation Research

Procedia, Vol. 37 pp. 27-34;

Banks, J., (1998), Handbook on Simulation. Principles, Methodology, Advances,

Applications and Practice. Wiley, New York.;

Barlow R., Hunter L. C., (1960, 8), Optimum Preventive Maintenance Policies,

Operations Research pp. 90 - 100;

Bosso F., (2016), Gestione del magazzino di un provider logistic: modello e simulazione

in linguaggio Arena, Tesi di Laurea, Università di Bologna, Bologna;

Cantini S., Cervello S., Gallo R., (2016), A modern approach to wheelset maintenance

plan optimisation, LRS-Techno Series, Lovere;

Cerquarelli V., Giovine V., Viglietti A., (2019, 6), L’evoluzione tecnologica ed

organizzativa della circolazione ferroviaria in Italia, Ingegneria Ferroviaria 463 - 491,

CIFI;

Ciuffini F., (2014, 1), La qualità trasportistica dell’orario ferroviario, Ingegneria

Ferroviaria 525 - 540, CIFI;

Corfiati M., Dalla Chiara B., Galfrè M., (2011, 9), Evolution lines in the maintenance of

rolling stock, Ingegneria Ferroviaria 751 - 772, CIFI;

Coviello N., (2018, 4), Valutazioni di capacità basate sull’orario: analisi di una ferrovia

suburbana a singolo binario, Ingegneria Ferroviaria 287 - 317, CIFI;

Dalla Chiara B., (2012), Railway Engineering, CLUT, Torino;

Di Majo F., (1979), Costruzioni di materiale ferroviario, Levrotto e Bella, Torino;

Ferrovie dello Stato, (2005), Quinto rapporto costi esterni del trasporto, Roma;

Fiche UIC 811, Normativa Tecnica;

Franceschini L., Garofalo A., Marini R. (da Cesari F., Rizzo V., Lucchetti S. (I^A ed.)),

(2019), Elementi generali dell’esercizio ferroviario, CIFI, Roma;

Furlanetto L., Garetti M., Macchi M., (2006), Principi generali di gestione della

manutenzione, FrancoAngeli, Milano;

Garetti F., (2012), Modelli di ottimizzazione dei costi di manutenzione, Tesi di Laurea,

Politecnico di Milano, Milano;

Genovesi P., Ronzino C.D., (2003, 11), Un nuovo supporto alla normativa di esercizio,

Ingegneria Ferroviaria pp. 979 - 986, CIFI;

Giannone P., (2010), Manutenzione e sicurezza nell’esercizio ferroviario, Tesi di Laurea,

Politecnico di Torino, Torino;

Gioletta S., (2018), Manutenzione preventiva su carri merci feroviari: nuovo approccio

all’ottimizzazione del processo, Tesi di Laurea, Politecnico di Milano, Milano;

209

Giovine V., (2007, 12), Il “performance regime” - il sistema di valorizzazione delle

prestazioni ferroviarie, Ingegneria Ferroviaria pp. 1031 - 1039, CIFI;

Gruppo Torinese Trasporti, (2018), Fascicolo di Linea n° 1 e n°3, Documento interno,

Torino;

Gruppo Torinese Trasporti, (2016), Programmazione della manutenzione di 1° livello -

TTR Ale501-Le220-Ale502, Documento interno, Torino,

Gruppo Torinese Trasporti, (2010), Procedura operativa IT-001-GEN. Controllo sale

montate, Documento Interno, Torino

Gruppo Torinese Trasporti, (2018), Orario grafico linea Chieri - Rivarolo - Pont,

Documento Interno, Torino;

Jovanovic S., Bozovic D., (2015), Optimal structure and two case study implementations

of railway maintenance management system, Journal of management in engineering, Vol.

Kelton D., Sadowski R.P., Sadowski D.A., Simulation with Arena, McGraw Hill, USA;

Mayer L., (2005), Impianti ferroviari, CIFI, Roma;

Mishalani R.G., Gong L., (2009), Optimal infrastructure condition sampling over space

and time for maintenance decision-making under uncertainly, Transportation Research

Part B, Vol.43 pp. 311-324;

Orlandi A., (1990), Meccanica dei trasporti, Pitagora, Bologna;

Pellandini G., (2003, 7/8), Orario cadenzato integrato, Ingegneria ferroviaria pp. 661 -

680, CIFI;

Rete Ferroviaria Italiana, (2019), Fascicolo di Linea n° 4, Documento interno, Archivio

web:

https://donet.rfi.it/RFIPlatform/showDoc.do?docTypeHidden=FCL%2FFL%2FFO&fclN

ormEs=TO (consultato il 12/10/2019), Torino;

Rete Ferroviaria Italiana, (2019), Prefazione generale all’orario di servizio, Documento

interno, Archivio web: http://site.rfi.it/quadroriferimento/istruzioni2.htm (consultato il

26/10/2019), Roma;

Rete Ferroviaria Italiana, (2019), Regolamento sui segnali, Documento interno, Archivio

web: http://site.rfi.it/quadroriferimento/istruzioni2.htm (consultato il 26/10/2019), Roma;

Rete Ferroviaria Italiana, (2009), Regolamento per la circolazione dei treni, Documento

interno, Archivio web: http://site.rfi.it/quadroriferimento/istruzioni2.htm (consultato il

26/10/2019), Roma;

Ricci S., (2013), Ingegneria dei sistemi ferroviari. Tecnologie, metodi ed applicazioni,

Egaf, Forlì;

Rockwell Automation Inc, (2019), Arena user’s guide, Rockwell Automation Inc, USA;

Sarah R., Nor H., (2012), Review on scheduling techiniques of preventive maintenance

activities railway, 4^th conference on computational modelling and simulation, pp. 310-

315;

SegnaliFS, https://segnalifs.it/. Sito web tecnico dedicato alla tecnica ferroviaria.

Disponibile presso il link (consultato il 02/12/2019):

https://www.segnalifs.it/sfi/it/sa/2016_segnali.htm;

Tajani F., (2017), Le Ferrovie, Settegiorni Editore, Pistoia;

210

Tertan V., (2017), Preventive Railway Maintenance with censured failure data, Tesi di

Laurea, Università di Padova, Padova;

Toneatto F.V., (2019), Calcolo dell’usura di ruote ferroviarie: simulazione mediante

codice multibody, Tesi di Laurea, Politecnico di Torino, Torino;

Ugenti A., (2017), Modelli di simulazione per la gestione di uno scalo portuale,

Relazione di tirocinio, Università degli studi Roma Tre, Roma;

UNI 9910:1991, Terminologia sulla fidatezza e sulla qualità del servizio, Normativa

tecnica;

UNI 10147:2003, Manutenzione. Criteri di progettazione della manutenzione, Normativa

tecnica;

Vicuna G., (1993), Organizzazione e tecnica ferroviaria, CIFI, Roma;

WIKIRAIL, https://wikirail.it/. Enciclopedia libera online: CIFI. Disponibile presso il

link (consultato il 24/10/2019): https://wikirail.it/glossario/grado-di-frenatura/;

Yasmina H., Lionel A., (2008), Simulation based optimization of a train maintenance

facility, Journal of intelligent manufacturing, Vol. 19 pp. 293-300

Zhenliang F., (2012), Review of High-Speed train maintenance, Conference of quality,

reliability, risk, maintenance and safety engineering, pp. 419-422

211

Ringraziamenti

Grazie al mio Professore, l’Ing. Bruno Dalla Chiara, per la fiducia in me riposta e per i

preziosi spunti di riflessione durante la realizzazione di questa Tesi. Sicuramente rimarrà un

punto di riferimento nella mia futura carriera.

Grazie alla Divisione Ferrovie e Metropolitana del Gruppo Torinese Trasporti per avermi

ospitato nella loro azienda; in particolar modo all’Ing. Gian Piero Fantini per la calorosa

accoglienza e continua attenzione e all’Ing. Piero La Scala per la disponibilità ed il suo

costante supporto.

Grazie all’Ing. Claudia Caballini, correlatrice della Tesi, per il tempo che mi ha dedicato e

per avermi accompagnato con attenzione e competenza durante tutto il lavoro.

Grazie a tutte le persone che hanno fatto parte della mia strada a Torino, in particolar modo

ad Alice, Anna, Claudia, Davide, Emanuele (Lele), Emanuele, Evelyn, Federico, Francesco

(Franky), Giulia, Guido, Luca, Matteo, Sofia, Tommaso e Valeria. Senza la vostra presenza

non sarei riuscito ad arrivare fino qui.

Grazie ai miei amici di Genova: Cinzia, Claudia, Elisa, Francesca, Ilaria, Luigi e Martina.

Con loro ho condiviso molti anni e anche a distanza sono stati sempre presenti nella mia vita.

Grazie a Rosario, in cui nutro grande fiducia e pur avendo abbandonato casa da diversi anni

riceve sempre le mie chiamate con la richiesta di consigli.

Grazie ai miei compagni di corso, in particolare a Alessandro, Giuseppe e Michela con i

quali ho condiviso il percorso al Politecnico e abbiamo superato insieme le difficoltà di

questi anni.

Infine, la mia gratitudine va alla mia famiglia, mamma Daniela, papà Enrico, il fratello

Marco, nonna Wanda e nonno Saido per la stima che nutrono in me e senza i quali non avrei

mai potuto raggiungere questo traguardo.

A tutti loro dedico i miei successi.

Torino, 25/03/2020

Matteo

212

Esercizio del materiale rotabile sulla Ferrovia Canavesana (2020) - 3