Facoltà: Ingegneria Gestionale - classe LM-31
Collocazione: 19718
Autore: Pagani Marco Pio Carlo
Data: 25/10/2021
Titolo: I fattori critici di successo all'implementazione della predictive maintenance: una survey esplorativa nel contesto industriale italiano
Relatore: Cannas Violetta Giada
Correlatore: Pozzi Rossella
Autorizzazione per la consultazione: SI
Le tesi si possono consultare unicamente in sede
La tesi si pone l’obiettivo di rispondere alla domanda di ricerca: “Quali sono i fattori critici di successo all’implementazione della Predictive Maintenance?”. In primo luogo è stata effettuata l’analisi della letteratura. Attraverso questo studio sono state identificate le barriere e le contromisure da applicare per individuare dodici ipotetici fattori critici di successo. Di conseguenza è stato formulato un questionario esplorativo da proporre alle aziende del contesto industriale italiano in modo da avvalorare i fattori ipotizzati. Nel questionario è state posto un primo gruppo di domande di tipo generico per determinare le caratteristiche delle aziende rispondenti. A queste sono state affiancate domande relative ai dodici fattori critici di successo proposti. Per evitare eventuali incomprensioni, questo secondo blocco di domande è stato corredato da una breve descrizione del fattore di cui si chiedeva la valutazione. Per la valutazione è stata utilizzata la scala Likert con cinque livelli di importanza rispetto l’implementazione della Predictive Maintenance, partendo da “non necessario” arrivando a “fondamentale”. Hanno risposto 60 aziende e, con i dati raccolti, è stata effettuata l’analisi sul software statistico Rstudio. La prima parte prevede un’analisi descrittiva che ha esaminato per ciascun fattore le votazioni attraverso istogrammi. Nella seconda parte sono stati messi a confronto i diversi fattori critici di successo utilizzando media e deviazione standard dei voti ottenuti. In seguito è stata effettuata un’ulteriore analisi per approfondire le votazioni rispetto alle caratteristiche generali dei rispondenti individuando dei cluster con l’utilizzo dell’algoritmo CHAID (chi- squared automatic interaction detection). I risultati di tale studio hanno permesso di identificare 12 ipotetici fattori a partire dalla letteratura che sono poi stati validati attraverso l’analisi empirica. Quindi è stata verificata l’importanza dei diversi fattori per le aziende rispondenti e le principali caratteristiche delle aziende al fine di determinare i cluster per ciascun fattore critico di successo.
