Facoltà: Ingegneria Gestionale - classe LM-31
Collocazione: 22012
Autore: Rossi Alessandro
Data: 20/12/2023
Titolo: "Artificial Intelligence e “Make-to-Order”: un’analisi comparativa dei modelli di Machine Learning funzionali alla loro applicazione al caso Trivi S.r.l."
Relatore: Lazzarotti Valentina
Correlatore: Pirovano Giovanni Luca
Autorizzazione per la consultazione: SI
Le tesi si possono consultare unicamente in sede
Il presente elaborato tratta l'applicazione di Intelligenza Artificiale (IA) e Machine Learning (ML) all'interno delle piccole e medie imprese (PMI) nel settore manifatturiero operanti in "Make-to-Order". Nel primo capitolo viene fornita una panoramica delle tecnologie di IA e ML, nonché alcune loro applicazioni nel settore manifatturiero. La domanda di ricerca posta riguarda la possibilità di ridurre la disparità tra preventivazione e consuntivazione nei processi "Make-to-Order". Nel secondo capitolo vengono esposti i metodi di ricerca, inclusa la selezione di 40 articoli scientifici da fonti come Scopus e Google Scholar. Il terzo capitolo presenta un'analisi dettagliata della letteratura, con suddivisione degli articoli in classi d’importanza e l'uso di sette descrittori per la loro classificazione. Vengono inoltre presentati i principali algoritmi di IA e ML presenti nella letteratura. Il quarto capitolo si concentra sul lavoro svolto durante uno stage presso Trivi S.r.l, azienda operante nel settore del Bakery in modalità "Make-to-Order". Viene affrontato il problema degli scostamenti tra costi preventivi e consuntivi, con la presentazione di un modello Excel sviluppato per ridurre tale scostamento. Il quinto capitolo propone una selezione degli algoritmi di ML e IA più idonei per ottimizzare il processo di preventivazione, con particolare attenzione su: algoritmo Firefly, K-Nearest Neighbors e XG-Boost. Il sesto ed ultimo capitolo introduce il "Business Game" e presenta tre scenari possibili per l'applicazione di modelli di IA: un approccio “Human Based”, uno basato sull'automazione completa e un'opzione intermedia. Alla luce della analisi svolta, si può concludere che lo scenario intermedio, con l'applicazione dell'algoritmo Firefly, rappresenta la soluzione più vantaggiosa per migliorare l'efficienza operativa e contribuire a una maggiore competitività sul mercato.
