PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

Electrochemistry Group @PoliTO

Metodi di disegno sperimentale/machine learning nel campo energetico

Parole chiave BATTERIE, CHEMIOMETRIA, ENERGIA, FOTOVOLTAICO, FUEL CELL, SCAMBIO TERMICO, CFD, MACHINE LEARNING

Riferimenti FEDERICO BELLA, DIEGO PUGLIESE

Gruppi di ricerca Electrochemistry Group @PoliTO

Tipo tesi COMPILATIVA

Descrizione Batterie, celle fotovoltaiche, fuel cell e supercapacitori rappresentano i dispositivi con cui l'uomo gestisce (e gestirà sempre di più) la propria quotidianità. Questi dispositivi funzionano grazie ad un'ottima commistione di diversi componenti e all'ingegnerizzazione dal punto di vista chimico, dei materiali ed energetico. In campo accademico, lo studio dei vari parametri che andranno ad influenzare le prestazioni dei suddetti dispositivi viene fatto mediante tecniche di experimental design (disegno sperimentale), organizzando gli esperimenti e le prove di funzionamento tramite software commerciali o sviluppati negli atenei.
Questa tesi compilativa prevede la stesura di un documento in lingua inglese a partire da una collezione di articoli scientifici (forniti dal relatore) sul tema dell'experimental design applicato in campo energetico. Verrà scelto (insieme allo studente) un tema tra i 4 citati sopra e lo studente sarà chiamato a sviluppare un documento compilativo che racconti gli studi fatti sul tema scelto e come l'experimental design è stato utilizzato per ottimizzare il dispositivo energetico.

Vedi anche  https://en.wikipedia.org/wiki/Design_of_experiments

Conoscenze richieste Capacità di leggere e scrivere in inglese. Volontà di concludere la tesi entro 6 mesi dall'inizio.


Scadenza validita proposta 15/01/2025      PROPONI LA TUA CANDIDATURA




© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti