• Algoritmi
• Food Packaging
• Machine Learning
• Priorizzazione
• Random Forest

In questa tesi viene studiato un problema di priorizzazione delle attività di product continuous improvement di un'azienda che si occupa di trattamento e confezionamento di alimentari.
Ogni evento che causa un disfunzionamento della linea presso i clienti viene riportato e presentato in centrale. Al momento della recezione viene eseguita un’analisi preliminare per poter consolidare più eventi/incidenti in un unico problema comune. Al problema consolidato, viene assegnato un punteggio in base alle caratteristiche del problema, da cui viene definita una classifica che determina quali problemi hanno una priorità maggiore sugli altri, per poi decidere con quali problemi è significativo procedere allo studio di una soluzione.
Questa tesi si focalizza sullo studio della situazione attuale, proponendo cambiamenti all’algoritmo attuale in primis e in secondo proponendo soluzioni alternative che superano o mitigano i limiti.
In particolare, verranno studiate due soluzioni: la prima più classica che definisce un nuovo algoritmo di natura algebrica/aritmetica, che introduce nuovi parametri e accoglie le nuove richieste aziendali. La seconda soluzione abbraccerà i concetti di Machine Learning per offrire un’altra visione del problema e introdurre un nuovo concetto di logica di priorizzazione. La terza soluzione sarà una combinazione delle due soluzioni precedenti.
I metodi verranno validati e confrontati, evidenziando vantaggi e svantaggi, per garantire al lettore una visione completa dei metodi.

In this thesis a problem of prioritization of the product continuous improvement activities of a company that deals with food processing and packaging is studied. Any event that causes a malfunction of the line at the customers is reported and presented in the central. At the time of reception, a preliminary analysis is performed to be able to consolidate multiple events / accidents into a single common problem. The consolidated problem is assigned a score based on the characteristics of the problem, from which a classification is defined which determines which problems have a higher priority than the others, and then decides with which problems it is significant to proceed to the study of a solution. This thesis focuses on the study of the current situation, proposing changes to the current algorithm in the first place and secondly proposing alternative solutions that overcome or mitigate the limits. In particular, two solutions will be studied: the first more classic which defines a new algorithm of an algebraic / arithmetic nature, which introduces new parameters and welcomes new business requests. The second solution will embrace the concepts of Machine Learning to offer another vision of the problem and introduce a new concept of prioritization logic. The third solution will be a combination of the two previous solutions. The methods will be validated and compared, highlighting advantages and disadvantages, to guarantee the reader a complete view of the methods.