The thesis work was carried out in collaboration with ACMA S.p.A. and has as its backbone the area of "cost engineering" or, more in detail, the analysis of methodologies for preventing the cost of mechanical components of automatic packaging machines. We want to study the efficiency of some software used internally for costing with respect to the different technological families taken into consideration. In addition, a parametric model, based on machine learning techniques, is defined from the data collected, capable of supporting the designer in the cost prevention phase.
Il lavoro di tesi è stato svolto in collaborazione con ACMA S.p.A. ed ha come colonna portante l’area del “cost engineering” o, più in dettaglio l’analisi di metodologie di preventivazione del costo di componenti meccaniche di macchine automatiche per l'imballaggio. Si vuole studiare l’efficienza di alcuni software utilizzati internamente per la costificazione rispetto alle diverse famiglie tecnologiche prese in esame. Inoltre si va a definire dai dati raccolti un modello parametrico basato su tecniche di machine learning capace di dare sostegno al progettista nella fase di preventivazione dei costi.
Progettazione preliminare di macchine per il packaging: studio di metodi e strumenti di machine learning per la preventivazione dei costi
PIGNOTTI, KEVIN
2019/2020
Abstract
The thesis work was carried out in collaboration with ACMA S.p.A. and has as its backbone the area of "cost engineering" or, more in detail, the analysis of methodologies for preventing the cost of mechanical components of automatic packaging machines. We want to study the efficiency of some software used internally for costing with respect to the different technological families taken into consideration. In addition, a parametric model, based on machine learning techniques, is defined from the data collected, capable of supporting the designer in the cost prevention phase.File | Dimensione | Formato | |
---|---|---|---|
Tesi_Kevin_Pignotti.pdf
Open Access dal 02/06/2023
Dimensione
4.38 MB
Formato
Adobe PDF
|
4.38 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/4436