skip to Main Content

Scenari per affrontare le gare e migliorare il Decision Making

Scenari per affrontare le Gare e migliorare il Decision Making

Negli ultimi anni, gli operatoti del trasporto pubblico locale hanno dovuto affrontare cambiamenti sociali, con impatti importanti nella definizione del servizio da erogare. Le aziende si trovano oggi a gestire queste nuove sfide in parallelo, a volte in antitesi e a volte in confronto.

Le tre parole chiave che racchiudono le principali nuove sfide del TPL sono: gare, simulazioni, e cambiamenti repentini del servizio.

 

1. Gare

In un contesto di gara, solitamente l’obiettivo è definire la pianificazione di un nuovo servizio per soddisfare in maniera ottimale ed efficiente le richieste del bando.

Il più delle volte gli scenari di gara gravitano su territori conosciuti alle aziende, ma sempre più spesso la competitività spinge gli operatori ad esplorare opportunità e territori differenti.

Le gare hanno però tempi lunghi e non sempre certi. E’ poco prevedibile il quando realmente si potrà completare il processo di gara e quindi la messa in produzione del nuovo servizio, perciò gli scenari possono essere definiti come variabili.

2. Simulazioni

Nell’ambito della continua ricerca di alternative ottimizzate per il miglioramento dell’efficienza aziendale, gli operatori TPL necessitano di simulare nuove variazioni di orari e turni per rispondere alle richieste dell’utenza e sindacali.

In questi casi, normalmente la rete non varia tantissimo, ma principalmemnte si vuole far tendere l’azienda TPL verso una nuova efficienza individuando i margini di normativa nel rispetto delle strategie di wellbeing aziendale. Al giorno d’oggi, soprattutto si cerca di gestire la carenza di personale, in particolare di autisti.

Nelle simulazioni i tempi sono medio lunghi poiché il processo deve passare spesso da una contrattazione in sede sindacale o con gli enti.

Anche in questo caso, quindi la messa in produzione del nuovo servizio ha tempi non definibili a priori. Ma a lo stesso tempo, nel momento in cui si raggiunge l’accordo, la messa in produzione deve essere rapida e legata ad una data specifica.

E’ importante avere una produzione di report sul servizio con indicatori di prestazione: KPI che forniscono a colpo d’occhio i recuperi di efficienza e l’margine recuperato attraverso le simulazioni.

 

3. Cambiamenti

Tendenzialmente, tutte le aziende di trasporto pubblico locale sono chiamate a valutare sempre dei cambiamenti e a scoprire nuove soluzioni operative.

I cambiamenti sono continui perché la rete cambia, ci possono essere cantieri, possono entrare a far parte della flotta veicoli elettrici, c’è necessità di adattare gli orari a diversi periodi dell’anno, o possono esserci esigenze da cogliere (scuole, maratone, eventi) e per mantenere alta l’attrattività del servizio bisogna seguire i cambiamenti.

 

Come gestire tutto questo?

La risposta della Suite MAIOR è utilizzare lo “scenario”, un potente strumento per gestire i dati in modo concorrenziale e parallelo. Lo scenario è una versione del servizio in modifica che contiene dati di rete, orari, turni e dati di progetto.

Come una bozza di lavoro lo scenario può essere copiato, duplicato, parzialmente o interamente, lavorato e rilavorato, mantenendo una visione globale e allo stesso puntuale sugli elementi del servizio.

I potenti tools della Suite MAIOR consentono inoltre di verificare che non ci siano criticità nel processo di validazione e promozione, di controllare tutte le modifiche e la tracciabilità di tutto ciò che è stato fatto fino alla messa in vigore. È importante, anche a distanza di tempo dalla lavorazioni, poter governare la messa in vigore degli scenari, consentendo quindi un’erogazione del servizio efficace e sicura, attraverso tools che consentono di visualizzare e avere sempre sotto controllo i dati su cui si sta lavorando.

Ciò consente una gestione delle variazioni puntuale senza perdere il controllo di ciò che cambia.

 

ARGOMENTI CORRELATI

Partnership tra M.A.I.O.R. e Transdata
intelligenza artificiale e trasporto pubblico
Come il Machine Learning migliora la gestione dei contratti tra autorità e operatori nel trasporto pubblico
Back To Top