Preparazione all'applicazione dell'intelligenza artificiale per il miglioramento dei processi produttivi: applicazione al controllo di qualità nell'industria siderurgica

This thesis focuses on the preliminary stages of applying artificial intelligence to optimize production processes in the steel industry, with particular attention to finishing lines. The primary objective was to detail energy consumption allocation to individual products and analyze its impact on the corporate carbon footprint. By leveraging production and energy datasets, the study developed methodologies to monitor production efficiency, identify delays, and optimize resource allocation. These preliminary analyses lay the groundwork for future integration of machine learning techniques, offering insights into strategic management, energy cost reduction, and environmental impact mitigation. The results demonstrate the potential of this approach to identify critical areas and prepare the foundation for sustainable and efficient production processes.

Questa tesi si concentra sulle fasi preliminari dell’applicazione dell’intelligenza artificiale per l’ottimizzazione dei processi produttivi nell’industria siderurgica, con particolare attenzione alle linee di finitura. L’obiettivo principale è stato attribuire in modo dettagliato i consumi energetici ai singoli prodotti e analizzarne l’impatto sul bilancio di carbonio aziendale. Attraverso l’analisi di dataset di produzione ed energetici, sono state sviluppate metodologie per monitorare l’efficienza produttiva, identificare ritardi e ottimizzare l’allocazione delle risorse. Queste analisi preliminari gettano le basi per l’integrazione futura di tecniche di machine learning, fornendo indicazioni per una gestione strategica più efficace, la riduzione dei costi energetici e la mitigazione dell’impatto ambientale. I risultati evidenziano il potenziale di questo approccio per identificare aree critiche e preparare il terreno per processi produttivi sostenibili ed efficienti.