PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

Modellazione and ottimizzazione di parametri di processo industriali tramite tecniche di machine learning

Parole chiave ARTIFICIAL NEURAL NETWORKS, INDUSTRIA 4.0, MACHINE LEARNING

Riferimenti ANDREA ACQUAVIVA, ENRICO MACII

Gruppi di ricerca ELECTRONIC DESIGN AUTOMATION - EDA

Tipo tesi SPERIMENTALE, IN AZIENDA

Descrizione La tesi verte sull'analisi dei parametri per il controllo del processo delle macchine di fusione per stampaggi in alluminio al fine di determinare la correlazione con la qualità e la quantità di pezzi realizzati. Dovrà svolgere un'analisi di correlazione tra parametri disponibili già monitorati e parametri ambientali. La sperimentazione sarà relativa all’ottimizzazione dei parametri utilizzando test di sensitività rispetto agli stessi tramite attività di benchmarking su prodotti campione. Si dovranno sviluppare tecniche di modellazione e learning sulla base dei dati di processo e sulla correlazione tra questi e la quantificazione della qualità del prodotto, in modo da realizzare un modello “black-box” del processo che consenta ottimizzazione e previsione della qualità in base alla variazione dei parametri.

Conoscenze richieste machine learning (basics), programming

Note tesi in collaborazione con azienda


Scadenza validita proposta 22/06/2019      PROPONI LA TUA CANDIDATURA




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