Sviluppo di un modello predittivo per il controllo qualità nella produzione di accessori in pelle.

This thesis focuses on the development of automated solutions aimed at improving quality control processes within the manufacturing sector, with a specific focus on the production of leather accessories. Through the design and implementation of a predictive model, the main goal is to anticipate the occurrence of defects in finished products by analyzing historical data related to materials, processing, and other relevant process variables. The developed model will be validated and applied to a real case study based on data provided by a company operating in the leather goods sector. The first chapter will provide a theoretical overview of the concept of quality and the role of quality control in the manufacturing industry. It will also explore the importance of data analysis as a fundamental tool for improving quality management, with particular attention to the prevention of defects along the production chain. The second chapter will be dedicated to the description of the company dataset analyzed, specifying the type of data provided, the available variables, and the relevant production context. The preliminary analysis carried out using Microsoft Excel will be illustrated, which was useful for an initial understanding of trends and relationships within the data. The third chapter will describe the RapidMiner software, used for data processing and predictive analysis. It will delve into the software’s operating logic, the main artificial intelligence and machine learning techniques employed, as well as the predictive models tested for early defect detection. The performance evaluation criteria used for the selected models will also be presented. Finally, the fourth chapter will focus on the role of intelligent technologies applied to quality control in the fashion industry. The advantages of integrating systems based on artificial intelligence, computer vision, and augmented reality into the inspection process will be analyzed, highlighting how these tools help reduce inspection times, improve defect detection accuracy, and support operators' skills through a data-driven approach.

La presente tesi si concentra sullo sviluppo di soluzioni automatizzate volte a migliorare i processi di controllo qualità all’interno del contesto manifatturiero, con un focus specifico sul settore della produzione di accessori in pelle. Attraverso la progettazione e l’implementazione di un modello predittivo, l’obiettivo principale sarà quello di anticipare la comparsa di difetti nei prodotti finiti, sfruttando l’analisi di dati storici relativi a materiali, lavorazioni e ad altre variabili di processo ritenute rilevanti. Il modello sviluppato sarà validato e applicato a un caso di studio reale, basato sui dati forniti da un’azienda operante nel settore della pelletteria. Il primo capitolo fornirà una panoramica teorica sul concetto di qualità e sul ruolo del controllo qualità nell’industria manifatturiera. Sarà inoltre approfondita l’importanza dell’analisi dei dati come strumento fondamentale per migliorare la gestione della qualità, ponendo particolare attenzione alla prevenzione dei difetti lungo la filiera produttiva. Il secondo capitolo sarà dedicato alla descrizione del dataset aziendale analizzato, specificando la tipologia di dati forniti, le variabili disponibili e il contesto produttivo di riferimento. Verranno illustrate le modalità di analisi preliminare effettuata con Microsoft Excel, utile per una prima comprensione delle tendenze e delle relazioni tra i dati. Nel terzo capitolo verrà descritto il software RapidMiner, utilizzato per l’elaborazione e l’analisi predittiva dei dati. Saranno approfondite le logiche di funzionamento del software, le principali tecniche di intelligenza artificiale e machine learning impiegate, nonché i modelli predittivi testati per l’identificazione precoce dei difetti. Verranno inoltre presentati i criteri di valutazione delle prestazioni dei modelli adottati. Il quarto capitolo sarà infine dedicato al ruolo delle tecnologie intelligenti applicate al controllo qualità nella moda. Si analizzeranno i vantaggi offerti dall’introduzione di sistemi basati su intelligenza artificiale, visione artificiale e realtà aumentata nel processo ispettivo, evidenziando come tali strumenti contribuiscano a ridurre i tempi di controllo, migliorare la precisione nell’individuazione dei difetti e supportare le competenze degli operatori attraverso un approccio data-driven.