La tesi affronta il problema del miglioramento del modello organizzativo dell'azienda IRETI, appartenente al gruppo di IREN S.p.a., impiegato nell'ambito della gestione e distribuzione del gas sul territorio. Tale servizio richiede di eseguire e di coordinare svariate tipologie di attività  che vengono gestite tramite l'implementazione di differenti modelli organizzativi. Una volta definita e studiata la situazione AS-IS con cui l'azienda opera, il progetto ha avuto come obiettivo quello di ottimizzare e successivamente simulare la situazione TO-BE a seguito degli interventi di miglioramento proposti, ottenuti implementando tecniche di Machine Learning e ulteriori strumenti di ottimizzazione.

OTTIMIZZAZIONE DEL MODELLO ORGANIZATTIVO PER LA GESTIONE DEI SERVIZI DI DISTRIBUZIONE GAS TRAMITE MACHINE LEARNING E SIMULAZIONE: IL CASO IRETI

2019

Abstract

La tesi affronta il problema del miglioramento del modello organizzativo dell'azienda IRETI, appartenente al gruppo di IREN S.p.a., impiegato nell'ambito della gestione e distribuzione del gas sul territorio. Tale servizio richiede di eseguire e di coordinare svariate tipologie di attività  che vengono gestite tramite l'implementazione di differenti modelli organizzativi. Una volta definita e studiata la situazione AS-IS con cui l'azienda opera, il progetto ha avuto come obiettivo quello di ottimizzare e successivamente simulare la situazione TO-BE a seguito degli interventi di miglioramento proposti, ottenuti implementando tecniche di Machine Learning e ulteriori strumenti di ottimizzazione.
2019
it
Dipartimento di Scienze e Metodi dell'Ingegneria
Università degli Studi di Modena e Reggio Emilia
File in questo prodotto:
File Dimensione Formato  
Tesi_2018_ROSSI_IRETI.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 12.57 MB
Formato Adobe PDF
12.57 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/298041
Il codice NBN di questa tesi è URN:NBN:IT:UNIMORE-298041