Facoltà: Ingegneria Gestionale - classe LM-31
Collocazione: 19557
Autore: Stuppi Riccardo
Data: 25/10/2021
Titolo: Progettazione e sviluppo di una piattaforma di integrazione dei dati di processo e analisi statistica dei parametri produttivi
Relatore: Pirovano Giovanni Luca
Autorizzazione per la consultazione: NO
Le tesi si possono consultare unicamente in sede
La tesi si propone di illustrare il progetto svolto durante il periodo di tirocinio presso Datwyler Pharma Packaging. Il progetto è composto principalmente da due fasi: la prima fase è costituita dalla progettazione e sviluppo di un sistema atto ad aggregare, standardizzare e distribuire i dati generati da un processo produttivo mentre, la seconda fase, consiste nell’analisi dei dati rilevati al fine di supportare il processo decisionale e gestionale dell’impianto produttivo in esame. La tesi, a valle di una breve introduzione riguardante la descrizione del processo produttivo e dell’insieme delle fonti di dati caratterizzanti lo stesso, presenta l’analisi della letteratura relativa ai sistemi di data warehouse e alle procedure proposte per consentire una corretta popolazione degli stessi. Vengono, inoltre, illustrate le principali tecniche di analisi dei dati e i modelli di apprendimento supervisionato utilizzati nel corso del progetto. Nel dettaglio, il modello di data warehouse adottato, presenta caratteristiche ibride tra i modelli proposti in letteratura al fine di migliorare l’integrazione delle fonti aziendali e l’accessibilità per gli utenti finali. Le tecniche di analisi dei dati utilizzate hanno consentito di vagliare i parametri produttivi al fine di definire la presenza o meno di differenze nelle distribuzioni dei dati relativi a lotti di produzione buoni e lotti con presenza di specifici problemi di qualità. I dati sono state analizzati sia attraverso tecniche di quantitative di analisi univariata e multivariata (ad esempio l’analisi di Cullen e Frey, il test di Kolmogorov-Smirnov e l’analisi delle componenti principali) che attraverso metodologie grafiche (confronto box-plot e della funzione cumulativa empirica). La possibilità di individuare la presenza di problemi di qualità attraverso i parametri produttivi è stata esaminata attraverso l’applicazione di modelli di apprendimento supervisionato, definendo un problema di classificazione binario. L’algoritmo che, analizzato su un dataset di test, ha ottenuto i migliori risultati in termini di accuratezza previsionale è l’algoritmo XGBoost. Tutti gli algoritmi sono stati confrontati anche in termini di risorse computazionali necessarie per la fase inferenziale e l’algoritmo XGBoost è risultato il più efficiente. I risultati del progetto sono molteplici: il sistema di raccolta, standardizzazione, accentramento e distribuzione dei dati di processo consente una consultazione semplice e immediata dei dati attraverso estrazioni sviluppate in funzione delle necessità di ogni singolo ente coinvolto nel sistema di produzione mentre l’analisi statistica condotta ha consentito di sviluppare un sistema predittivo di supporto per prevenire determinati problemi di qualità nei lotti di prodotto.
