| 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