polito.it
Politecnico di Torino (logo)

Algoritmi di Data Mining applicati al processo produttivo = Application of Data Mining algorithms to the production process

Schiuma, Marco

Algoritmi di Data Mining applicati al processo produttivo = Application of Data Mining algorithms to the production process.

Rel. Paolo Garza. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2018

[img] PDF (Tesi_di_laurea) - Tesi
Accesso al documento: Privato Solo a utenti staff non prima del 21 Settembre 2019 (data di embargo).
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (1MB)
Abstract:

Il presente elaborato tratta lo studio della possibile applicazione di tecniche di Data Mining e Machine Learning al processo produttivo, analizzandone i risultati. Il progetto è stato svolto nello stabilimento di Mirafiori a Torino, durante un tirocinio tenuto presso Maserati, gruppo FCA. Dopo un'introduzione sulle nuove tecnologie introdotte nell'industria automobilistica nel contesto dell'Industria 4.0, viene presentato il contesto di lavoro in cui è stato svolto il tirocinio, descrivendo brevemente il funzionamento e le caratteristiche del processo produttivo del plant. Successivamente viene analizzato più approfonditamente il caso preso in esame dal presente studio. Il mio lavoro consiste nell'integrazione e l'analisi dei dati prodotti, all'interno dello stabilimento, da due unità differenti e apparentemente scollegate, ovvero l'unità di Lastratura e quella di Qualità. Dopo la prima fase di integrazione, sono stati implementati dei modelli predittivi basati su algoritmi di classificazione, in grado di analizzare i parametri di lavoro delle macchine saldatrici e di fornire una stima della qualità delle saldature effettuate prima di essere sottoposte ad un controllo. I modelli implementati sono stati poi validati e confrontati tramite il calcolo di parametri come accuratezza, precisione e richiamo. Infine, vengono valutate le possibili applicazioni dei modelli descritti per migliorare la manutenzione dei macchinari e il calcolo del coefficiente di misura dell'efficienza dello stabilimento.

Relatori: Paolo Garza
Anno accademico: 2018/19
Tipo di pubblicazione: Elettronica
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering)
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-32 - INGEGNERIA INFORMATICA
Aziende collaboratrici: FCA ITALY SPA
URI: http://webthesis.biblio.polito.it/id/eprint/8473
Modifica (riservato agli operatori) Modifica (riservato agli operatori)