L’industria 4.0 e le tecnologie che la supportano sono ormai argomenti all’ordine del giorno. Il Machine Learning, i Big Data, la Blockchain…

Talvolta si ha la possibilità di osservare alcuni degli svariati utilizzi di queste tecnologie, dal più “banale” metodo di raccomandazione utilizzato da Netflix o Amazon che si basa su analisi di Big Data, all’utilizzo dei traduttori automatici online che sfruttano algoritmi di Machine Learning, ai Bitcoin, la cripto moneta primo esempio di Blockchain che ha tanto fatto parlare di se proprio in questo periodo.

Talvolta no, talvolta queste tecnologie rappresentano i pilastri su cui si basano progetti o altre tecnologie di cui non è ancora possibile osservarne gli utilizzi o è raro che questo sia già accaduto.

Magari se n’è sentito parlare, magari si attende che vengano allo scoperto, come ad esempio il fog computing, l’evoluzione del cloud che potrebbe rappresentare un sostegno fondamentale per le self-driving car, o ancora l’applicazione degli Analytics in ambito medico le cui potenzialità sono a tratti sconvolgenti.

La scelta di trattare queste tematiche “innovative” (anche se, per quanto corre velocemente la tecnologia si potrebbero definire contemporanee) è stata dettata sia dall’importanza che tali tecnologie rivestono, tanto per il presente quanto per il futuro, sia da una passione personale scaturita durante gli studi ed in seguito coltivata individualmente.

Per questo motivo, si è deciso di partire da un’analisi approfondita e a tratti tecnica sulle tecnologie e sul macro ambito che le riunisce (per l’appunto, l’industria 4.0), soffermandosi brevemente sulla situazione presente in Italia.

Al fine poi di mostrare con esempi concreti l’effettiva pervasività e l’enorme impatto che hanno una volta messe a disposizione delle aziende e degli enti pubblici e privati, si andrà ad analizzare il nuovo sistema di innovazione SAP Leonardo, un “prodotto” della multinazionale tedesca SAP che risulta particolarmente calzante proprio per il fatto di toccare la totalità delle tematiche esposte nel corso del lavoro.

Grazie poi alla possibilità di seguire un progetto di predictive quality realizzato per l’azienda Arvedi Tubi Acciaio sita in Cremona (CR) si è infine scelto di concentrarsi sull’ambito dei Predictive Analytics, all’interno del quale si inserisce tale tematica, definendo in primo luogo per mezzo della letteratura presente, le fasi, la gestione e le criticità (da un punto di vista teorico) di un progetto di questa tipologia per poi focalizzarsi sul caso pratico, definendo quali fossero gli obiettivi e quali sono stati i risultati a cui si è pervenuti.

L’obiettivo di questa sezione, in particolare, è quello di documentare lo sviluppo e la realizzazione di un progetto di predictive quality nella speranza di fornire talvolta un supporto, talvolta uno spunto per eventuali progetti futuri, considerando anche il legame intrinseco tra le tematiche di predictive, prescriptive ed automated quality.

DIPARTIMENTO DI INGEGNERIA MECCANICA E INDUSTRIALE
Corso di Laurea Magistrale in Ingegneria Gestionale

Tesi di laurea di Sergio Soragni

Correlatori:

Ing. Nicola Segnali (Regesta)
Ing. Giorgio Grazioli (Regesta)