polito.it
Politecnico di Torino (logo)

Data-Driven Design e le opportunità di automatizzazione dei processi di progettazione = Data-Driven Design and the opportunities for automation of design processes

Andrea Gabriele

Data-Driven Design e le opportunità di automatizzazione dei processi di progettazione = Data-Driven Design and the opportunities for automation of design processes.

Rel. Francesca Montagna, Stefania Altavilla. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Gestionale, 2019

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (2MB) | Preview
Abstract:

Il termine industria 4.0, molto in voga in questi anni, indica quella trasformazione dell’ecosistema industriale in corso ai giorni d’oggi che consiste in una produzione sempre più automatizzata ed interconnessa che ha come fine ultimo quello di aumentare la produttività e le condizioni di lavoro. In questo lavoro ci si è concentrati in particolare sui cosiddetti Big Data Analytics. Con questo termine si indicano tutti quei metodi e tecnologie in grado di raccogliere ed analizzare grandi volumi di dati con l’obiettivo di estrapolare informazioni utili ai fini produttivi e fornire alle aziende delle previsioni su quelle che potrebbero essere le condizioni di mercato future riguardo un particolare campo di ricerca in questione. Per fare ciò è necessario l’utilizzo di tecnologie che rientrano nel campo dell'Artificial Intelligence (AI), ovvero sistemi hardware e software in grado di fornire prestazioni e risultati che a prima vista sembrerebbero essere di pertinenza esclusiva dell’intelligenza umana. Nel lavoro di ricerca condotto, ci si è focalizzati in particolare sullo studio delle applicazioni di queste tecnologie all’interno del processo di sviluppo prodotto che le aziende manifatturiere, tramite i propri designers, mettono in atto ogni qualvolta l’azienda decide di realizzare e portare sul mercato qualsiasi tipo di prodotto. Tra queste procedure la fase più creativa è rappresentata senza dubbio dalla generazione delle idee riguardanti il prodotto da progettare; in questo lavoro di ricerca si è cercato di investigare la possibilità di automatizzare questa fase tramite tecniche di intelligenza artificiale, cercando di capire quanto un algoritmo possa essere creativo e sostituire quindi la figura del designer nella fase di generazione delle idee. A tal scopo è stata condotta una Literature Review riguardante sistemi già implementati che fanno uso di AI applicata allo sviluppo prodotto; le informazioni estrapolate dai papers di interesse sono state poi classificate all’interno di un database appositamente creato, dove sono state condotte delle analisi per capire lo stato dell’arte attuale e in particolare le tecniche di intelligenza artificiale che meglio si adattano per automatizzare la fase di “concept generation”, il tipo di analisi che questi algoritmi svolgono sui dati, le fasi del processo di sviluppo prodotto in cui sono già utilizzate e quelle dove si potrebbero applicare in futuro. Infine, scomponendo la fase di “Conceptual Design” in tutti i suoi passi elementari e verificando per ogni sistema trovato durante la Literature Review quanti di questi passi erano automatizzati tramite algoritmi di AI, è stato possibile creare un indice riportante il grado di automatizzazione della fase di generazione delle idee nel corso del tempo. Grazie a questo indice, che rappresenta una novità all’interno della letteratura della creatività degli algoritmi di AI applicati al processo di sviluppo prodotto, è stato possibile capire quanto la creatività degli algoritmi è aumentata nel tempo, per poter così dedurre quali siano le aree già automatizzate tramite algoritmi e quali invece necessitano ancora dell’intervento umano e su cui si dovranno concentrare le ricerche future in questo ambito. I risultati conseguiti sono stati infine validati tramite un software statistico, svolgendo opportune analisi dei trend e della varianza, in particolare i test ANOVA e Post-Hoc per verificare la significatività dei dati ottenuti.

Relators: Francesca Montagna, Stefania Altavilla
Academic year: 2018/19
Publication type: Electronic
Number of Pages: 101
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Gestionale
Classe di laurea: New organization > Master science > LM-31 - MANAGEMENT ENGINEERING
Aziende collaboratrici: UNSPECIFIED
URI: http://webthesis.biblio.polito.it/id/eprint/10583
Modify record (reserved for operators) Modify record (reserved for operators)