Riassunto analitico
Oggigiorno la sostenibilità sta assumendo un’importanza crescente sia nel campo dei prodotti sia nel campo dei processi industriali, questo a causa delle recenti norme in ambito ambientale (fissare i livelli massimi di emissioni globali e prevedere i vincoli per le emissioni) e l’odierna crescita economica (la quale è causa di input per i problemi ambientali e sociali, spinge le compagnie ad assumere un carattere fortemente ecosostenibile). In questo contesto, gli approcci basati sul “Design for Sustainability” (D4S) sono mirati per il supporto nelle fasi progettuali del prodotto e del processo, questo per limitare gli impatti in termine di pianeta, profitti e popolazione (Fisk, 2010). Comunque, il concetto di D4S solitamente si incentra su un singolo aspetto alla volta (ad es. problemi ambientali piuttosto che ergonomici o economici), e così una vasta rete di informazioni è necessaria per ottenere una chiara analisi degli impatti; inoltre questo è effettuato quando si è alla fine della fase di progettazione, quando il prodotto o il sistema è già creato e solo delle azioni correttive possono essere messe in opera. La presente tesi analizza i recenti metodi e strumenti D4S e evidenzia la necessità di metodi predittivi per progettare sistemi sostenibili, capaci di consegnare un giudizio preliminare dell’intero processo dalle fasi iniziali della progettazione vera e propria. Da ciò scaturiscono quelli che sono definiti KPIs “Key Performance Indicators” che giovano per giudicare i tre aspetti della sostenibilità: ambientale, economico e sociale (collegato alle risorse umane); questi parametri convergono nei modelli di impatto che sono nati per stimare questi impatti sulla sostenibilità dalle fasi progettuali preliminari. Questi modelli sono stati dettagliati per i casi studio industriali con particolare attenzione verso il settore del “packaging” per dimostrare la loro validità nel settore manifatturiero industriale. In ultimo, la fattibilità dell’integrazione di questi modelli con strumenti software commerciali per le analisi predittive (ad es. strumenti per la stima economica, strumenti per la modellazione digitale delle risorse umane) è stata analizzata e dimostrata. L’intero progetto è stato sviluppato in collaborazione con Hyperlean Srl.
|
Abstract
Nowadays sustainability is assuming a growing importance in both industrial products and processes due to recent environmental regulations (fixing the global emission maximum levels and the forecasted emission constraints) and the actual economical growth (triggering environmental and social problems, pushing companies to be highly sustainable). In this context, Design for Sustainability approaches (D4S) aim at support product and process design to limit the impact of sustainability in terms of planet, profit and people (Fisk 2010). However, Design for Sustainability (D4S) usually focuses on one single aspect at a time (e.g. environmental issues, ergonomics or costs) and a lot of information are required to have a clear analysis of the impacts: this is usually applied at the end of the design process, when the product or system is already created and only corrective actions can be taken. In this context, industrial systems are particularly challenging due to the numerous aspects integrated into a single product and the transdisciplinary nature of problems. The present thesis work analysed the current D4S methods and tools and highlighted the need of predictive methods to design sustainable system, able to provide an early holistic assessment from the early conceptual stages. For this purpose, it defined key performance indicators (KPIs) to assess the three pillars of sustainability (i.e. environmental, economic, and social related to human factors), and a set of models of impact to estimate such impact from the early design stages according to an analytic estimation approach. Such models have been detailed for industrial case studies in the packaging sector to demonstrate their validity to industrial manufacturing systems. Finally, the feasibility of the integration of such models with commercial software tools for predictive analysis (e.g., cost estimation tools, digital human modelling tools, etc.) was analysed and demonstrated. The work was developed in collaboration with Hyperlean Srl.
|
