In questa tesi viene studiato un problema di priorizzazione delle attività  di product continuous improvement di un'azienda che si occupa di trattamento e confezionamento di alimentari. Ogni evento che causa un disfunzionamento della linea presso i clienti viene riportato e presentato in centrale. Al momento della recezione viene eseguita un'analisi preliminare per poter consolidare pi๠eventi/incidenti in un unico problema comune. Al problema consolidato, viene assegnato un punteggio in base alle caratteristiche del problema, da cui viene definita una classifica che determina quali problemi hanno una priorità  maggiore sugli altri, per poi decidere con quali problemi ਠsignificativo procedere allo studio di una soluzione. Questa tesi si focalizza sullo studio della situazione attuale, proponendo cambiamenti all'algoritmo attuale in primis e in secondo proponendo soluzioni alternative che superano o mitigano i limiti. In particolare, verranno studiate due soluzioni: la prima pi๠classica che definisce un nuovo algoritmo di natura algebrica/aritmetica, che introduce nuovi parametri e accoglie le nuove richieste aziendali. La seconda soluzione abbraccerà  i concetti di Machine Learning per offrire un'altra visione del problema e introdurre un nuovo concetto di logica di priorizzazione. La terza soluzione sarà  una combinazione delle due soluzioni precedenti. I metodi verranno validati e confrontati, evidenziando vantaggi e svantaggi, per garantire al lettore una visione completa dei metodi.

Analisi ed implementazione di algoritmi per la priorizzazione delle attività  di product continuous improvement: il caso di Tetra Pak Packaging Solutions

2020

Abstract

In questa tesi viene studiato un problema di priorizzazione delle attività  di product continuous improvement di un'azienda che si occupa di trattamento e confezionamento di alimentari. Ogni evento che causa un disfunzionamento della linea presso i clienti viene riportato e presentato in centrale. Al momento della recezione viene eseguita un'analisi preliminare per poter consolidare pi๠eventi/incidenti in un unico problema comune. Al problema consolidato, viene assegnato un punteggio in base alle caratteristiche del problema, da cui viene definita una classifica che determina quali problemi hanno una priorità  maggiore sugli altri, per poi decidere con quali problemi ਠsignificativo procedere allo studio di una soluzione. Questa tesi si focalizza sullo studio della situazione attuale, proponendo cambiamenti all'algoritmo attuale in primis e in secondo proponendo soluzioni alternative che superano o mitigano i limiti. In particolare, verranno studiate due soluzioni: la prima pi๠classica che definisce un nuovo algoritmo di natura algebrica/aritmetica, che introduce nuovi parametri e accoglie le nuove richieste aziendali. La seconda soluzione abbraccerà  i concetti di Machine Learning per offrire un'altra visione del problema e introdurre un nuovo concetto di logica di priorizzazione. La terza soluzione sarà  una combinazione delle due soluzioni precedenti. I metodi verranno validati e confrontati, evidenziando vantaggi e svantaggi, per garantire al lettore una visione completa dei metodi.
2020
it
Dipartimento di Scienze e Metodi dell'Ingegneria
Università degli Studi di Modena e Reggio Emilia
File in questo prodotto:
File Dimensione Formato  
Davide_Bizzini_Tesi.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 2.16 MB
Formato Adobe PDF
2.16 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/20.500.14242/301687
Il codice NBN di questa tesi è URN:NBN:IT:UNIMORE-301687