Tipo di tesi | Tesi di laurea magistrale | ||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Autore | FERRARI, NICCOLÒ | ||||||||||||||||||||||||||||||
URN | etd-03122021-172503 | ||||||||||||||||||||||||||||||
Titolo | Parametrizzazione del comfort selle tramite algoritmi di Machine Learning | ||||||||||||||||||||||||||||||
Titolo in inglese | Saddle comfort parametrization through Machine Learning algorithms | ||||||||||||||||||||||||||||||
Struttura | Dipartimento di Ingegneria "Enzo Ferrari" | ||||||||||||||||||||||||||||||
Corso di studi | Advanced Automotive Engineering (D.M.270/04) | ||||||||||||||||||||||||||||||
Commissione |
|
||||||||||||||||||||||||||||||
Parole chiave |
|
||||||||||||||||||||||||||||||
Data inizio appello | 2021-04-15 | ||||||||||||||||||||||||||||||
Disponibilità | Accessibile via web (tutti i file della tesi sono accessibili) | ||||||||||||||||||||||||||||||
Riassunto analitico
Questo lavoro di tesi ha l'obiettivo di creare una nuova procedura per lo sviluppo delle selle di motociclette stradali. Questo nuovo standard ha l'obiettivo di agevolare la analisi e la qualificazione di un prototipo o design ed accelerare il processo di progettazione di una sella con il massimo valore di comfort. Vengono considerate valutazioni soggettive e confrontate con i dati numerici ottenuti in caso sia statico che dinamico. Questo insieme di dati viene elaborato da un algoritmo di machine learning basato sulle reti neurali con l'obiettivo di generare un modello in grado di prevedere il comfort totale di un modello di sella. Questo metodo può dunque essere applicato durante lo sviluppo prototipale del prodotto, accelerando e prevedendo il giudizio soggettivo a riguardo. |
|||||||||||||||||||||||||||||||
Abstract
This Thesis work aims to create a new development procedure for road motorcycle saddles. This new standard should ease the analysis and qualification of a prototype or a design and accelerate the design procedure in order to obtain a product with the maximum value of comfort. Moreover, subjective evaluations are collected and compared with numerical, objective data obtained through static and dynamic tests. This dataset is then fed to a machine learning algorithm based on neural networks, which generates a model able to predict overall comfort of a saddle. Therefore, this method can be applied during the prototype development phase, increaseing speed and predicting the related subjective evaluation. |
|||||||||||||||||||||||||||||||
File |
|