Riassunto analitico
Questo studio esamina i processi e le curve di apprendimento a partire dal monitoraggio della produzione di un componente in fibra di carbonio.
Tale studio si concentra su un modello di curva di apprendimento che descrive dati reali raccolti dalla produzione di un nuovo componente presso l’azienda bolognese Automobili Lamborghini S.p.A., leader nel settore automotive per la produzione di auto sportive di lusso con componenti in fibra di carbonio. Questa ricerca è il risultato di un tirocinio di cinque mesi presso il dipartimento Pre-Serie del Centro Compositi di tale azienda.
Lo scopo della tesi è lo studio di una curva che descriva l’effetto dell’apprendimento autonomo e indotto sul miglioramento della produttività per un componente composito. Questo tipo di approccio è nuovo nella letteratura scientifica.
Il nuovo componente di cui è stato effettuato il monitoraggio del processo produttivo è il tetto in carbonio a vista del modello Lamborghini coupé Aventador SVJ Livery. Il processo di produzione è fortemente manuale e consiste principalmente in un processo di laminazione e di altre minori operazioni di assemblaggio. Per cinque settimane sono stati rilevati i tempi di esecuzione di ogni operazione svolta da quattro operatori differenti. Tali dati ad alto livello di dettaglio sono poi stati aggregati e hanno condotto ad un’analisi significativa.
I modelli di curve di apprendimento più importanti presenti in letteratura sono stati testati sui dati raccolti, successivamente sono stati creati nuovi possibili modelli di curve, e infine è stata identificata la curva di apprendimento con minor MSE.
Questo modello bivariato, testato su un dataset reale, considera sia il volume di produzione sia le ore di formazione come variabili indipendenti. Il risultato raggiunto è assai importante per i processi decisionali e la pianificazione della produzione per componenti compositi in ambito automotive. Si suggerisce, tuttavia, di testare il modello ottenuto in altri settori e per processi differenti, approfondendo così la validità della ricerca.
|
Abstract
This study examines learning processes and learning curves based on the production monitoring of a Carbon Fibre Reinforced Polymer component.
It focuses on a curve model that describes a real dataset collected from the production of a new component in Automobili Lamborghini S.p.A (Sant’Agata Bolognese, BO), leader in the production of luxury sports car with CFRP components. This research is the result of my five-month internship in the Pre-Series department of the Composites Centre in the aforesaid automotive company.
The aim of the thesis is the study of a curve that describes the effect of autonomous and induced learning on the productivity improvement for a composite component. This kind of approach is new in the scientific literature.
The close monitoring of the manufacturing process of a new automotive component has been conducted. This component is the carbon-look roof of Lamborghini’s Coupé Aventador SVJ Livery. The production process is manual and it consists of a lamination process and besides of other minor assembly operations. Four workers have been involved for five-weeks: the production time of every single operation has been collected for each of them. The aggregation of these data led to a significant analysis.
The most important learning curve models available in the scientific literature have been tested on the real dataset, then new possible models have been created, and finally the learning curve with the best fitting, i.e. the one with the least Mean Squared Error, has been identified.
This bivariate model, tested on real data, considers both the production volume and the training hours as independent variables. The results achieved are crucial for decision making processes and production planning of CFRP components in the automotive industry. It is suggested to test this model in different industries and for different processes, hence further investigation is recommended.
|
