Engineering management

Al termine del corso, lo studente sarà in grado di: 1. Spiegare il ruolo dell'analisi economica nelle decisioni ingegneristiche e interpretare i principali bilanci aziendali (Conto Economico, Stato Patrimoniale e Rendiconto Finanziario) di un'impresa industriale. 2. Applicare i concetti di costo (costi fissi e variabili, costi diretti e indiretti, costi rilevanti e irrilevanti) per condurre analisi di break-even e di margine di contribuzione in contesti produttivi e ingegneristici. 3. Utilizzare i principi del valore del denaro nel tempo per risolvere problemi di equivalenza economica che coinvolgono flussi di cassa singoli, rendite, gradienti e tassi di interesse variabili. 4. Valutare la convenienza economica di progetti ingegneristici utilizzando il Valore Attuale Netto (VAN), il Tasso Interno di Rendimento (TIR), il Payback Period e il metodo del Valore Annuo. 5. Confrontare alternative di investimento ingegneristico con vite utili uguali o diverse e condurre analisi di sostituzione per impianti e attrezzature industriali. 6. Condurre analisi di sensitività e di scenario per valutare l'impatto dell'incertezza sulle decisioni di investimento ingegneristico e sull'adozione di nuove tecnologie.

Il corso introduce i principi e i metodi dell'Engineering Economy per studenti di Ingegneria Gestionale. Prende avvio con una panoramica sulle imprese, le decisioni di investimento e i concetti fondamentali di costo, inclusi i costi fissi e variabili, i costi diretti e indiretti, e l'analisi del punto di pareggio (break-even analysis). Il corso fornisce inoltre un'introduzione ai bilanci aziendali (Conto Economico, Stato Patrimoniale e Rendiconto Finanziario) e ai principali indici di bilancio, consentendo agli studenti di interpretare la performance economico-finanziaria delle organizzazioni industriali. Viene successivamente sviluppata la teoria del valore del denaro nel tempo, che comprende l'interesse semplice e composto, l'equivalenza economica, la modellizzazione dei flussi di cassa, i flussi di cassa singoli, le serie uniformi, i gradienti aritmetici e geometrici, e i tassi di interesse nominali ed effettivi. Su queste basi, il corso affronta la valutazione economica dei progetti di ingegneria attraverso metodi quali il Valore Attuale Netto (VAN), il Tasso Interno di Rendimento (TIR), il Payback Period e l'analisi del Valore Annuo. Vengono inoltre discusse le tecniche per il confronto tra alternative mutuamente esclusive e tra progetti con diverse vite utili. La parte finale del corso è dedicata all'analisi di sostituzione degli impianti industriali, nonché all'analisi di sensitività e di scenario per supportare il processo decisionale in condizioni di incertezza. Lungo tutto il modulo, i metodi vengono illustrati attraverso applicazioni tratte da sistemi produttivi, tecnologie per le energie rinnovabili, soluzioni di Industria 4.0 e investimenti in intelligenza artificiale.

Non sono richiesti prerequisiti formali specifici oltre alla conoscenza della lingua inglese e alle competenze matematiche di base acquisite nella scuola secondaria superiore (algebra elementare, equazioni lineari ed esponenziali, logaritmi). Non è richiesta una conoscenza preliminare di economia o organizzazione aziendale.

Il modulo si articola in lezioni frontali ed esercitazioni guidate per un totale di 54 ore di didattica. Le lezioni combinano spiegazioni teoriche ed esempi svolti, supportate da presentazioni in PowerPoint e dall'utilizzo della lavagna. Le esercitazioni sono incentrate sulla risoluzione di problemi quantitativi, sull'analisi di casi di studio ingegneristici e industriali reali, e su laboratori dedicati all'interpretazione dei bilanci aziendali. Gli studenti acquisiranno inoltre competenze pratiche nell'uso dei fogli di calcolo (Microsoft Excel) per la modellizzazione dei flussi di cassa, la valutazione degli investimenti, l'analisi di break-even e l'analisi di sensitività. Gli studenti saranno incoraggiati a portare i propri laptop alle sessioni selezionate che prevedono esercitazioni basate su fogli di calcolo e attività di analisi dei dati. Tutti i materiali didattici, incluse le slide delle lezioni, gli esercizi per le esercitazioni, i dataset e le letture integrative, saranno resi disponibili attraverso la piattaforma di e-learning dell'Ateneo.

L'articolazione completa del modulo è riportata di seguito. Si precisa che si tratta di contenuti indicativi, che potranno essere adattati in base alle circostanze. Settimana 1: Introduzione all'Engineering Economy. Perché le decisioni ingegneristiche hanno conseguenze economiche. Imprese, investimenti e creazione di valore. Elementi di organizzazione aziendale e creazione di valore: finalità e struttura dell'impresa industriale. Ricavi, costi, profitto e flusso di cassa. Introduzione al Conto Economico: ricavi, costi operativi, ammortamenti, EBIT e utile netto. Esempi svolti da imprese industriali. Settimana 2: Lo Stato Patrimoniale: attività, passività e patrimonio netto. Comprensione degli asset industriali e degli investimenti di capitale. Analisi di base degli indici di bilancio. Il Rendiconto Finanziario: flussi di cassa operativi, di investimento e di finanziamento. Utile vs. cassa. Workshop di interpretazione dei bilanci. Settimana 3: Concetti di costo per ingegneri. Costi fissi e variabili. Costi diretti e indiretti. Costi rilevanti e irrilevanti per il processo decisionale. Analisi del margine di contribuzione. Analisi del punto di pareggio (break-even). Leva operativa. Applicazioni ai sistemi di produzione. Settimana 4: Introduzione al valore del denaro nel tempo. Interesse semplice. Interesse composto. Equivalenza economica. Diagrammi di flusso di cassa. Analisi di flussi di cassa singoli. Relazioni tra valore presente e futuro. Settimana 5: Calcolo del valore presente e del valore futuro. Applicazioni ingegneristiche ed esempi di investimento. Serie uniformi e rendite. Valore presente e futuro di flussi di cassa ricorrenti. Settimana 6: Gradienti aritmetici. Gradienti geometrici. Strutture di flussi di cassa complesse. Tassi di interesse nominali ed effettivi. Capitalizzazione continua. Tassi di interesse variabili nel tempo. Settimana 7: Principi di valutazione degli investimenti. Tasso Minimo Attrattivo di Rendimento (MARR). Modellizzazione dei flussi di cassa di progetto. Metodo del Valore Presente / Valore Attuale Netto (VAN). Regole decisionali. Esempi di investimenti industriali. Settimana 8: Metodo del Valore Futuro. Metodo del Valore Annuo. Confronto tra metodi di valutazione. Tasso Interno di Rendimento (TIR). Payback Period. Punti di forza e limiti dei metodi di valutazione comuni. Settimana 9: Confronto tra alternative. Progetti mutuamente esclusivi. Progetti indipendenti. Alternative con vita utile uguale. Alternative con vita utile diversa. Analisi del periodo di studio. Approccio del valore annuo equivalente. Settimana 10: Analisi di sostituzione. Concetti di difensore e sfidante. Vita economica degli asset ingegneristici. Decisioni di sostituzione per attrezzature industriali. Applicazioni a sistemi di produzione e tecnologie di automazione. Settimana 11: Rischio e incertezza nelle decisioni ingegneristiche. Analisi di sensitività. Introduzione all'analisi di scenario e agli approcci probabilistici. Applicazioni contemporanee dell'Engineering Economy: sistemi di energia rinnovabile; investimenti in Industria 4.0; tecnologie basate sull'IA. Ripasso del corso e preparazione alla valutazione finale.

Gli studenti saranno valutati attraverso una prova scritta della durata di 2 ore, composta da problemi quantitativi (calcoli di equivalenza economica, valutazione degli investimenti, confronto tra alternative) e domande concettuali sui principi dell'ingegneria economica, sui bilanci aziendali e sull'analisi dei costi. Durante la prova è consentito l'uso di una calcolatrice scientifica.

Sullivan, W.G., Wicks, E.M. & Wilck, J.H. Engineering Economy, 18th Edition, Pearson. (Capitoli selezionati: 1-8, 10-11, 13-14). Materiale didattico aggiuntivo (slide, casi studio, esercizi svolti) sui fondamenti di organizzazione aziendale, sui bilanci aziendali, sui concetti di costo e sulle applicazioni industriali sarà fornito dal docente durante il corso e reso disponibile sulla piattaforma e-learning di Ateneo.

Lo scopo dell'insegnamento è quello di acquisire competenze di base relativamente ai sistemi informativi, all'interrogazione di basi di dati relazionali, a data warehousing e tecniche di analisi OLAP, ai software ERP e CRM.

L'insegnamento fornisce alcune nozioni di base di informatica. L'obiettivo formativo fondamentale è insegnare gli elementi di base della programmazione e del ciclo di vita del software. In particolare, viene utilizzato Python come linguaggio di programmazione di riferimento. Gli studenti acquisiscono inoltre nozioni di base riguardanti l'architettura dei calcolatori e la rappresentazione dell'informazione.

Introduzione ai sistemi informativi e ai database relazionali. Introduzione a data warehousing e tecniche di analisi OLAP. Introduzione ai software ERP e CRM.

Concetti di base di informatica, della programmazione e del ciclo di vita del software. Il linguaggio di programmazione Python.

Conoscenze di base di informatica e programmazione.

Il corso non assume particolari conoscenze preliminari.

Il corso si articola in due principali tipologie di lezioni: Lezioni frontali: vengono svolte lezioni frontali in aula. Ogni lezione consiste nell'illustrazione da parte del docente di nuovi concetti teorici, attraverso la proiezione di appositi lucidi. Esercitazioni guidate: prevedono l'interrogazione di database relazionali sotto la guida del docente.

Il corso si articola in due principali tipologie di lezioni: Lezioni frontali. Ogni lezione consiste nell'illustrazione da parte del docente di nuovi concetti, spesso con una diretta applicazione nella programmazione. Esercitazioni guidate. Prevedono la progettazione e l'implementazione di programmi sotto la guida del docente.

Introduzione ai sistemi informativi. Modello relazionale. Il linguaggio SQL per l’interrogazione di database relazionali. Data Warehousing e tecniche di analisi OLAP. Software ERP (Enterprise Resource Planning) e CRM (Customer Relationship Management).

• Concetti di base -- Programmi, software, hardware -- Rappresentazione dell'informazione -- Come funzionano i programmi -- Creazione di un programma e utilizzo di Python - Programmare in Python -- Stampa, commenti, variabili -- Input, calcoli, stringhe, costanti -- Strutture di controllo e iterative -- Funzioni -- Liste e tuple -- File e eccezioni -- Operazioni avanzate con le stringhe -- Ricorsione -- Moduli

L'esame consiste in una prova di natura sia teorica che pratica.

L'esame consiste in una prova unica contenente sia domande teoriche che esercizi di programmazione. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa

Dispense a cura del docente.

"Starting out with Python", 5th edition. Tony Gaddis, Pearson.

Conoscere le caratteristiche salienti dei principali processi di produzione al fine di saper valutare le problematiche di producibilità dei componenti meccanici ed al fine di saper pianificare opportuni processi di produzione per essi.

Processi tecnologici di fabbricazione - processi di fusione - processi di deformazione plastica - processi di taglio - processi di collegamento e montaggio

nessuna

lezioni frontali

• Prodotti multicomponente e processi di collegamento Architettura dei prodotti multicomponente, analisi funzionale e tecnologica dei componenti e sottoassiemi. Prodotti modulari. Processi di collegamento mediante saldatura e incollaggio. Processi di montaggio. Design for assembly. Cenni ai sistemi di produzione e montaggio manuale ed automatico, cenni alla produzione flessibile. - Leghe metalliche Struttura atomica di metalli puri e leghe metalliche. Reticolo cristallino, configurazioni FCC, BCC e HCP. Tipi di leghe metalliche binarie: soluzioni solide di sostituzione ed interstiziali, composti intermetallici. Leghe metalliche a miscibilità completa e parziale allo stato solido. Diagrammi delle fasi. Proprietà meccaniche dei metalli puri e delle leghe metalliche: prova di trazione, compressione, flessione torsione e durezza. - Processi di fusione Il raffreddamento e la solidificazione dei metalli puri e delle leghe metalliche. Solidificazione uniforme e direzionale. Fronte di solidificazione, formazione ed accrescimento delle dendriti, studio della composizione delle fasi nel corso del raffreddamento e solidificazione. Microstruttura del getto solidificato: forma, dimensioni ed orientamento dei grani. Processi di fusione in forma transitoria: fusione in terra, fusione in guscio, fusione a cera persa e fusione a schiuma persa. Processi di fusione in forma permanente: fusione in conchiglia, e pressofusione. Studio quantitativo della solidificazione del getto: equazione della trasmissione del calore, moduli termici, localizzazione delle cavità di ritiro. Posizionamento e dimensionamento di materozze e collari di attacco per sistemi fusori. Progettazione di sistemi di colata per gravità per processi di fusione in terra. - Processi di deformazione plastica Studio della deformazione elastica e plastica a livello atomico: piani di scorrimento. Studio della deformazione elastica e plastica mediante prova di trazione. Determinazione delle principali proprietà di un metallo e lega metallica in campo elastico e plastico. Condizioni di instabilità plastica. Incrudimento ed effetto Bauschinger. Processi di forgiatura: in stampo aperto, semichiuso e chiuso; a caldo e a freddo. Processi di estrusione e trafilatura. Processi di laminazione. Processi di lavorazione delle lamiere: tranciatura, punzonatura, stampaggio, piegatura ed imbutitura. Microstruttura dei componenti realizzati per deformazione plastica: Studio quantitativo dei processi di deformazione plastica. Calcolo delle forze di deformazione per processi di forgiatura, estrusione e laminazione; equazione costitutiva del materiale in campo plastico, determinazione della tensione di flusso. Condizioni di imbocco e trascinamento per processi di laminazione. - Processi di asportazione di materiale Processi di lavorazione mediante asportazione continua di materiale, meccanica del taglio e della formazione del truciolo. Modelli di taglio ortogonale. Geometria dell’utensile nel taglio ortogonale. Meccanica del taglio al variare della velocità, meccanismi di usura ed altre forme di danneggiamento dell’utensile. Meccanica del taglio tridimensionale. Processi di tornitura, fresatura e realizzazione di fori: architettura e funzionamento delle macchine utensili, geometria degli utensili. Processi di finitura. Processi di taglio non convenzionali. Pianificazione del processo di asportazione di materiale: sgrossatura e finitura; scelta di fasi e operazioni. Processi basati sulla metallurgia delle polveri. Processi per polimeri termoplastici, termoindurenti ed elastomeri. Stampaggio a iniezione, termoformatura. Processi di manifattura additiva. Fotopolimerizzazione in vasca, estrusione, ink e binder jetting, fusione su letto di polveri.

Esame finale

S. Kalpakjian, Manufacturing Engineering Technology, Addison Wesley, New York

Conversazione con Gemini traduci dall'inglese all'italiano Certamente! Sono pronto ad aiutarti. Per favore, scrivi o incolla qui sotto il testo in inglese che desideri tradurre in italiano. This course introduces the fundamental concepts of linear algebra, emphasizing both theoretical foundations and practical applications. Topics include systems of linear equations, matrix algebra, vector spaces, linear transformations, determinants, eigenvalues, eigenvectors, inner products, orthogonality, and least squares solutions. Applications in data science, engineering, and modeling (e.g., Markov chains, data fitting) are integrated to connect theory to real-world problems. Questo corso introduce i concetti fondamentali dell'algebra lineare, ponendo l'accento sia sulle basi teoriche che sulle applicazioni pratiche. Gli argomenti includono sistemi di equazioni lineari, algebra delle matrici, spazi vettoriali, trasformazioni lineari, determinanti, autovalori, autovettori, prodotti interni, ortogonalità e soluzioni ai minimi quadrati. Le applicazioni nella scienza dei dati, nell'ingegneria e nella modellizzazione (ad esempio, catene di Markov, adattamento dei dati) sono integrate per collegare la teoria ai problemi del mondo reale. put this in the form of 'list of topics of a course' Week 1: Systems of Linear Equations and Matrices ¿ Meeting 1, part 1: Lecture and examples on introduction to linear systems, Gaussian elimination. ¿ Meeting 1, part 2:MATLAB/Octave/Python assistance on row operations, reduced row echelon form (assistance: setup, matrix input). ¿ Meeting 2, part 1: Lecture and examples on matrix operations (addition, scalar multiplication, multiplication). ¿ Meeting 2, part 2: Lecture, examples, MATLAB/Octave/Python assistance on matrix inverses, solving systems with matrices (assistance: matrix operations). ¿ Readings: Lay et al., Linear Algebra and Its Applications (6th ed.), Sections 1.1–1.5, 2.1–2.2. ¿ Assignments: 4 ¿ Weekly Quiz 1 ¿ Problem Set 1 (due end of Week 1): Solve linear systems using Gaussian elimination (e.g., 3x3 systems), compute matrix products, find inverses by row reduction. Week 2: Vector Spaces and Linear Transformations ¿ Meeting 1, part 1: Lecture and examples on vectors in Rn, linear combinations, span. ¿ Meeting 1, part 2: Lecture, examples, and MATLAB/Octave/Python on linear independence, bases (assistance: vector operations). ¿ Meeting 2, part 1: Lecture and examples on vector spaces, subspaces. ¿ Meeting 2, part 2: Lecture, examples, MATLAB/Octave/Python on linear transformations, matrix representations (assistance: transformation matrices). ¿ Readings: Lay et al., Sections 4.1–4.4, 5.1–5.2. ¿ Assignments: ¿ Weekly Quiz 2 ¿ Problem Set 2 (due end of Week 2): Determine linear independence of vectors, find bases for subspaces, compute matrix representations of transformations. ¿ Computational Lab 1 (due end of Week 2): Use MATLAB/Octave/Python to check linear independence (e.g., rank with np.linalg.matrix_rank), visualize transformations. Start in assistance sessions (Meetings 2, 4), complete outside. Submit .m or .py file via Moodle. Week 3: Determinants and Inverses ¿ Meeting 1, part 1: Lecture and examples on determinants: definition, properties. ¿ Meeting 1, part 2: Lecture, examples, and MATLAB/Octave/Python on computing determinants, Cramer’s rule (assistance: determinant computation). ¿ Meeting 2, part 1: Lecture and examples on matrix inverses: methods and applications. ¿ Meeting 2, part 2: Midterm Exam (covers Weeks 1–2), MATLAB/Octave/Python (review determinants), review. ¿ Readings: Lay et al., Sections 3.1–3.3, 2.3. ¿ Assignments: ¿ Weekly Quiz 3 ¿ Problem Set 3 (due end of Week 3): Compute determinants (2x2, 3x3), solve systems using Cramer’s rule, derive inverse formulas. Week 4: Eigenvalues and Eigenvectors ¿ Meeting 1, part 1: Lecture and examples on eigenvalues, eigenvectors: definitions. ¿ Meeting 1, part 2: Lecture, examples, and MATLAB/Octave/Python on characteristic polynomial, computing eigenvalues (assistance: eigenvalue computation). ¿ Meeting 2, part 1: Lecture and examples on diagonalization of matrices. ¿ Meeting 2, part 2: Lecture, examples, MATLAB/Octave/Python on applications (e.g., Markov chains) (assistance: Markov chain simulation). ¿ Readings: Lay et al., Sections 5.3, 5.5, 7.1. ¿ Assignments: ¿ Weekly Quiz 4 ¿ Problem Set 4 (due end of Week 4): Find eigenvalues/eigenvectors, diagonalize matrices, analyze Markov chain transitions. 5 ¿ Computational Lab 2 (due end of Week 4): Use MATLAB/Octave/Python to compute eigenvalues (e.g., np.linalg.eig), simulate Markov chains. Start in assistance sessions (Meetings 2, 4), complete outside. Submit .m or .py file via Moodle. Week 5: Inner Products and Orthogonality ¿ Meeting 1, part 1: Lecture and examples on inner products, norms. ¿ Meeting 1, part 2: Lecture, examples, and MATLAB/Octave/Python on orthogonality, Gram-Schmidt process (assistance: Gram-Schmidt code). ¿ Meeting 2, part 1: Lecture, examples, and MATLAB/Octave/Python on least squares, applications (e.g., data fitting) (assistance: least squares problems). ¿ Meeting 2, part 2: Final Exam (comprehensive, covering all topics), MATLAB/Octave/Python assistance (review least squares code), review (finalize lab submission). ¿ Readings: Lay et al., Sections 6.1–6.3, 6.7. ¿ Assignments: ¿ Weekly Quiz 5 ¿ Problem Set 5 (due end of Week 5): Compute inner products, apply Gram-Schmidt process, solve least-squares problems. Ecco il programma del corso organizzato per settimane e argomenti: Programma del Corso: Algebra Lineare Settimana 1: Sistemi di equazioni lineari e matrici Argomenti: Sistemi di equazioni lineari, eliminazione di Gauss, algebra delle matrici (somma, moltiplicazione scalare e tra matrici), matrici inverse. Attività pratica: Utilizzo di software (MATLAB/Octave/Python) per operazioni tra righe, forma a gradini ridotta e risoluzione di sistemi. Valutazione: Quiz settimanale 1, Problem Set 1. Settimana 2: Spazi vettoriali e trasformazioni lineari Argomenti: Vettori in R n , combinazioni lineari, span, indipendenza lineare, basi, spazi vettoriali, sottospazi, trasformazioni lineari e loro rappresentazioni matriciali. Attività pratica: Verifica dell'indipendenza lineare, calcolo di basi e rappresentazioni di trasformazioni. Valutazione: Quiz settimanale 2, Problem Set 2, Laboratorio computazionale 1. Settimana 3: Determinanti e inverse Argomenti: Definizione e proprietà dei determinanti, regola di Cramer, metodi e applicazioni delle matrici inverse. Attività pratica: Calcolo dei determinanti e risoluzione di sistemi tramite la regola di Cramer. Valutazione: Quiz settimanale 3, Problem Set 3, Esame di metà corso (copre le settimane 1-2). Settimana 4: Autovalori e autovettori Argomenti: Definizioni di autovalori e autovettori, polinomio caratteristico, diagonalizzazione di matrici, applicazioni (es. catene di Markov). Attività pratica: Calcolo di autovalori/autovettori e simulazione di catene di Markov. Valutazione: Quiz settimanale 4, Problem Set 4, Laboratorio computazionale 2. Settimana 5: Prodotti interni e ortogonalità Argomenti: Prodotti interni, norme, ortogonalità, processo di Gram-Schmidt, metodo dei minimi quadrati e applicazioni (es. adattamento dei dati). Attività pratica: Applicazione del processo di Gram-Schmidt e risoluzione di problemi ai minimi quadrati. Valutazione: Quiz settimanale 5, Problem Set 5, Esame finale (comprensivo di tutti gli argomenti). Desideri che approfondisca uno di questi argomenti o che ti aiuti a preparare altro materiale per questo corso? lascia solo gli argomenti Ecco l'elenco degli argomenti del corso: Elenco degli Argomenti del Corso Settimana 1: Sistemi di equazioni lineari e matrici Sistemi di equazioni lineari Eliminazione di Gauss Operazioni tra matrici (somma, moltiplicazione per uno scalare, moltiplicazione tra matrici) Matrici inverse Risoluzione di sistemi tramite matrici Settimana 2: Spazi vettoriali e trasformazioni lineari Vettori in R n Combinazioni lineari e span Indipendenza lineare e basi Spazi vettoriali e sottospazi Trasformazioni lineari e rappresentazioni matriciali Settimana 3: Determinanti e inverse Definizione e proprietà dei determinanti Regola di Cramer Metodi e applicazioni delle matrici inverse Settimana 4: Autovalori e autovettori Definizione di autovalori e autovettori Polinomio caratteristico Diagonalizzazione di matrici Applicazioni: Catene di Markov Settimana 5: Prodotti interni e ortogonalità Prodotti interni e norme Ortogonalità e processo di Gram-Schmidt Metodo dei minimi quadrati Applicazioni: Adattamento dei dati (data fitting) leva anche le settimane Ecco l'elenco degli argomenti del corso: Sistemi di equazioni lineari Eliminazione di Gauss Algebra delle matrici (somma, moltiplicazione per uno scalare, moltiplicazione tra matrici) Matrici inverse e risoluzione di sistemi Vettori in R n Combinazioni lineari e span Indipendenza lineare e basi Spazi vettoriali e sottospazi Trasformazioni lineari e rappresentazioni matriciali Determinanti (definizione e proprietà) Regola di Cramer Autovalori e autovettori Polinomio caratteristico Diagonalizzazione di matrici Applicazioni (Catene di Markov) Prodotti interni e norme Ortogonalità e processo di Gram-Schmidt Metodo dei minimi quadrati Applicazioni (Adattamento dei dati) scrivi in forma di testo, senza elenco puntato Il programma del corso affronta i sistemi di equazioni lineari e l'eliminazione di Gauss, per poi passare all'algebra delle matrici, incluse le operazioni fondamentali come la somma, la moltiplicazione per uno scalare e il prodotto tra matrici, fino alla determinazione delle matrici inverse e alla risoluzione dei sistemi. Lo studio prosegue con i vettori in R n , le combinazioni lineari, lo span, l'indipendenza lineare e le basi, estendendosi ai concetti di spazi vettoriali, sottospazi, trasformazioni lineari e loro rappresentazioni matriciali. Il corso copre inoltre la definizione e le proprietà dei determinanti, la regola di Cramer, la teoria degli autovalori e degli autovettori, il calcolo del polinomio caratteristico, la diagonalizzazione delle matrici e le relative applicazioni, come le catene di Markov. Infine, vengono trattati i prodotti interni, le norme, l'ortogonalità, il processo di Gram-Schmidt, il metodo dei minimi quadrati e le sue applicazioni nell'adattamento dei dati. traduci in inglese ultima risposta The course curriculum covers systems of linear equations and Gaussian elimination, moving on to matrix algebra, including fundamental operations such as addition, scalar multiplication, and matrix multiplication, as well as finding matrix inverses and solving systems. The study continues with vectors in R n , linear combinations, span, linear independence, and bases, extending to the concepts of vector spaces, subspaces, linear transformations, and their matrix representations. The course also covers the definition and properties of determinants, Cramer's rule, the theory of eigenvalues and eigenvectors, the calculation of the characteristic polynomial, matrix diagonalization, and related applications such as Markov chains. Finally, it addresses inner products, norms, orthogonality, the Gram-Schmidt process, the least squares method, and its applications in data fitting. scrivimi obiettivi formativi di un tale corso Ecco una proposta di obiettivi formativi per il corso, articolati per competenze: Obiettivi formativi Al termine del corso, lo studente sarà in grado di comprendere e applicare i concetti fondamentali dell'algebra lineare, padroneggiando gli strumenti teorici e le metodologie di calcolo necessarie per affrontare problemi complessi in diversi ambiti scientifici. Nello specifico, lo studente acquisirà la capacità di risolvere sistemi di equazioni lineari attraverso l'eliminazione di Gauss e l'algebra delle matrici, nonché di interpretare le trasformazioni lineari come strumenti per operare su spazi vettoriali. Il corso si propone inoltre di fornire le competenze per calcolare determinanti, autovalori e autovettori, permettendo così di eseguire la diagonalizzazione di matrici e di analizzare modelli dinamici come le catene di Markov. Infine, lo studente sarà in grado di utilizzare le proprietà dei prodotti interni e dell'ortogonalità per applicare il processo di Gram-Schmidt e il metodo dei minimi quadrati, con particolare attenzione alla loro implementazione pratica tramite software di calcolo per l'analisi e l'adattamento dei dati.

Il corso ha l'obiettivo di fornire le nozioni principali dell'analisi matematica 1 e di favorire la padronanza nella gestione del calcolo, strumenti fondamentali che concorrono alla formazione di base del futuro ingegnere gestionale. Le principali conoscenze (Descrittore di Dublino 1) acquisite saranno: •conoscenza del concetto di funzione e del calcolo dei limiti di funzioni ; •conoscenza della differenziabilità delle funzioni di una variabile e di tutte quelle nozioni che consentano allo studente di effettuare lo studio di funzione; •conoscenza della nozione di integrale, dei risultati principali e del calcolo degli integrali. Le principali abilità acquisite (capacità di applicare le conoscenze acquisite, Descrittore di Dublino 2, e di adottare con autonomia di giudizio l’opportuno approccio, Descrittore di Dublino 3) saranno: •capacità di risolvere equazioni, disequazioni, limiti, derivate, integrali; •capacità di elaborare un ragionamento che porti lo studente ad individuare i metodi di soluzione del problema in questione; •capacità di individuare una metodologia comune logico-deduttiva nei vari argomenti tale da consentirgli di individuare l'approccio da seguire.

Questo corso introduce i concetti fondamentali dell'algebra lineare, ponendo l'accento sia sulle basi teoriche che sulle applicazioni pratiche. Gli argomenti includono sistemi di equazioni lineari, algebra delle matrici, spazi vettoriali, trasformazioni lineari, determinanti, autovalori, autovettori, prodotti interni, ortogonalità e soluzioni ai minimi quadrati. Le applicazioni nella scienza dei dati, nell'ingegneria e nella modellizzazione (ad esempio, catene di Markov, adattamento dei dati) sono integrate per collegare la teoria ai problemi del mondo reale.

L'insegnamento è volto a trasmettere i principi fondamentali dell’Analisi Matematica 1 di base.

Analisi Matematica di base: Una buona comprensione del calcolo algebrico, delle funzioni elementari (polinomiali, esponenziali, logaritmiche) e dei concetti fondamentali del calcolo differenziale (come derivate e grafici di funzione). Geometria analitica: Familiarità con le nozioni di base del piano cartesiano, equazioni di rette e piani, e il concetto di coordinate. Capacità logico-matematiche: Attitudine al ragionamento deduttivo e alla formalizzazione matematica.

Nozioni generali di teoria degli insiemi, operazioni elementari, equazioni e disequazioni di I e II grado, funzioni elementari.

Lezioni frontali ed esercitazioni

Il corso è articolato nel seguente modo: 1) Lezioni in aula su tutti gli argomenti del corso. 2) Esercitazioni in aula.

Conversazione con Gemini traduci dall'inglese all'italiano Certamente! Sono pronto ad aiutarti. Per favore, scrivi o incolla qui sotto il testo in inglese che desideri tradurre in italiano. This course introduces the fundamental concepts of linear algebra, emphasizing both theoretical foundations and practical applications. Topics include systems of linear equations, matrix algebra, vector spaces, linear transformations, determinants, eigenvalues, eigenvectors, inner products, orthogonality, and least squares solutions. Applications in data science, engineering, and modeling (e.g., Markov chains, data fitting) are integrated to connect theory to real-world problems. Questo corso introduce i concetti fondamentali dell'algebra lineare, ponendo l'accento sia sulle basi teoriche che sulle applicazioni pratiche. Gli argomenti includono sistemi di equazioni lineari, algebra delle matrici, spazi vettoriali, trasformazioni lineari, determinanti, autovalori, autovettori, prodotti interni, ortogonalità e soluzioni ai minimi quadrati. Le applicazioni nella scienza dei dati, nell'ingegneria e nella modellizzazione (ad esempio, catene di Markov, adattamento dei dati) sono integrate per collegare la teoria ai problemi del mondo reale. put this in the form of 'list of topics of a course' Week 1: Systems of Linear Equations and Matrices ¿ Meeting 1, part 1: Lecture and examples on introduction to linear systems, Gaussian elimination. ¿ Meeting 1, part 2:MATLAB/Octave/Python assistance on row operations, reduced row echelon form (assistance: setup, matrix input). ¿ Meeting 2, part 1: Lecture and examples on matrix operations (addition, scalar multiplication, multiplication). ¿ Meeting 2, part 2: Lecture, examples, MATLAB/Octave/Python assistance on matrix inverses, solving systems with matrices (assistance: matrix operations). ¿ Readings: Lay et al., Linear Algebra and Its Applications (6th ed.), Sections 1.1–1.5, 2.1–2.2. ¿ Assignments: 4 ¿ Weekly Quiz 1 ¿ Problem Set 1 (due end of Week 1): Solve linear systems using Gaussian elimination (e.g., 3x3 systems), compute matrix products, find inverses by row reduction. Week 2: Vector Spaces and Linear Transformations ¿ Meeting 1, part 1: Lecture and examples on vectors in Rn, linear combinations, span. ¿ Meeting 1, part 2: Lecture, examples, and MATLAB/Octave/Python on linear independence, bases (assistance: vector operations). ¿ Meeting 2, part 1: Lecture and examples on vector spaces, subspaces. ¿ Meeting 2, part 2: Lecture, examples, MATLAB/Octave/Python on linear transformations, matrix representations (assistance: transformation matrices). ¿ Readings: Lay et al., Sections 4.1–4.4, 5.1–5.2. ¿ Assignments: ¿ Weekly Quiz 2 ¿ Problem Set 2 (due end of Week 2): Determine linear independence of vectors, find bases for subspaces, compute matrix representations of transformations. ¿ Computational Lab 1 (due end of Week 2): Use MATLAB/Octave/Python to check linear independence (e.g., rank with np.linalg.matrix_rank), visualize transformations. Start in assistance sessions (Meetings 2, 4), complete outside. Submit .m or .py file via Moodle. Week 3: Determinants and Inverses ¿ Meeting 1, part 1: Lecture and examples on determinants: definition, properties. ¿ Meeting 1, part 2: Lecture, examples, and MATLAB/Octave/Python on computing determinants, Cramer’s rule (assistance: determinant computation). ¿ Meeting 2, part 1: Lecture and examples on matrix inverses: methods and applications. ¿ Meeting 2, part 2: Midterm Exam (covers Weeks 1–2), MATLAB/Octave/Python (review determinants), review. ¿ Readings: Lay et al., Sections 3.1–3.3, 2.3. ¿ Assignments: ¿ Weekly Quiz 3 ¿ Problem Set 3 (due end of Week 3): Compute determinants (2x2, 3x3), solve systems using Cramer’s rule, derive inverse formulas. Week 4: Eigenvalues and Eigenvectors ¿ Meeting 1, part 1: Lecture and examples on eigenvalues, eigenvectors: definitions. ¿ Meeting 1, part 2: Lecture, examples, and MATLAB/Octave/Python on characteristic polynomial, computing eigenvalues (assistance: eigenvalue computation). ¿ Meeting 2, part 1: Lecture and examples on diagonalization of matrices. ¿ Meeting 2, part 2: Lecture, examples, MATLAB/Octave/Python on applications (e.g., Markov chains) (assistance: Markov chain simulation). ¿ Readings: Lay et al., Sections 5.3, 5.5, 7.1. ¿ Assignments: ¿ Weekly Quiz 4 ¿ Problem Set 4 (due end of Week 4): Find eigenvalues/eigenvectors, diagonalize matrices, analyze Markov chain transitions. 5 ¿ Computational Lab 2 (due end of Week 4): Use MATLAB/Octave/Python to compute eigenvalues (e.g., np.linalg.eig), simulate Markov chains. Start in assistance sessions (Meetings 2, 4), complete outside. Submit .m or .py file via Moodle. Week 5: Inner Products and Orthogonality ¿ Meeting 1, part 1: Lecture and examples on inner products, norms. ¿ Meeting 1, part 2: Lecture, examples, and MATLAB/Octave/Python on orthogonality, Gram-Schmidt process (assistance: Gram-Schmidt code). ¿ Meeting 2, part 1: Lecture, examples, and MATLAB/Octave/Python on least squares, applications (e.g., data fitting) (assistance: least squares problems). ¿ Meeting 2, part 2: Final Exam (comprehensive, covering all topics), MATLAB/Octave/Python assistance (review least squares code), review (finalize lab submission). ¿ Readings: Lay et al., Sections 6.1–6.3, 6.7. ¿ Assignments: ¿ Weekly Quiz 5 ¿ Problem Set 5 (due end of Week 5): Compute inner products, apply Gram-Schmidt process, solve least-squares problems. Ecco il programma del corso organizzato per settimane e argomenti: Programma del Corso: Algebra Lineare Settimana 1: Sistemi di equazioni lineari e matrici Argomenti: Sistemi di equazioni lineari, eliminazione di Gauss, algebra delle matrici (somma, moltiplicazione scalare e tra matrici), matrici inverse. Attività pratica: Utilizzo di software (MATLAB/Octave/Python) per operazioni tra righe, forma a gradini ridotta e risoluzione di sistemi. Valutazione: Quiz settimanale 1, Problem Set 1. Settimana 2: Spazi vettoriali e trasformazioni lineari Argomenti: Vettori in R n , combinazioni lineari, span, indipendenza lineare, basi, spazi vettoriali, sottospazi, trasformazioni lineari e loro rappresentazioni matriciali. Attività pratica: Verifica dell'indipendenza lineare, calcolo di basi e rappresentazioni di trasformazioni. Valutazione: Quiz settimanale 2, Problem Set 2, Laboratorio computazionale 1. Settimana 3: Determinanti e inverse Argomenti: Definizione e proprietà dei determinanti, regola di Cramer, metodi e applicazioni delle matrici inverse. Attività pratica: Calcolo dei determinanti e risoluzione di sistemi tramite la regola di Cramer. Valutazione: Quiz settimanale 3, Problem Set 3, Esame di metà corso (copre le settimane 1-2). Settimana 4: Autovalori e autovettori Argomenti: Definizioni di autovalori e autovettori, polinomio caratteristico, diagonalizzazione di matrici, applicazioni (es. catene di Markov). Attività pratica: Calcolo di autovalori/autovettori e simulazione di catene di Markov. Valutazione: Quiz settimanale 4, Problem Set 4, Laboratorio computazionale 2. Settimana 5: Prodotti interni e ortogonalità Argomenti: Prodotti interni, norme, ortogonalità, processo di Gram-Schmidt, metodo dei minimi quadrati e applicazioni (es. adattamento dei dati). Attività pratica: Applicazione del processo di Gram-Schmidt e risoluzione di problemi ai minimi quadrati. Valutazione: Quiz settimanale 5, Problem Set 5, Esame finale (comprensivo di tutti gli argomenti). Desideri che approfondisca uno di questi argomenti o che ti aiuti a preparare altro materiale per questo corso? lascia solo gli argomenti Ecco l'elenco degli argomenti del corso: Elenco degli Argomenti del Corso Settimana 1: Sistemi di equazioni lineari e matrici Sistemi di equazioni lineari Eliminazione di Gauss Operazioni tra matrici (somma, moltiplicazione per uno scalare, moltiplicazione tra matrici) Matrici inverse Risoluzione di sistemi tramite matrici Settimana 2: Spazi vettoriali e trasformazioni lineari Vettori in R n Combinazioni lineari e span Indipendenza lineare e basi Spazi vettoriali e sottospazi Trasformazioni lineari e rappresentazioni matriciali Settimana 3: Determinanti e inverse Definizione e proprietà dei determinanti Regola di Cramer Metodi e applicazioni delle matrici inverse Settimana 4: Autovalori e autovettori Definizione di autovalori e autovettori Polinomio caratteristico Diagonalizzazione di matrici Applicazioni: Catene di Markov Settimana 5: Prodotti interni e ortogonalità Prodotti interni e norme Ortogonalità e processo di Gram-Schmidt Metodo dei minimi quadrati Applicazioni: Adattamento dei dati (data fitting) leva anche le settimane Ecco l'elenco degli argomenti del corso: Sistemi di equazioni lineari Eliminazione di Gauss Algebra delle matrici (somma, moltiplicazione per uno scalare, moltiplicazione tra matrici) Matrici inverse e risoluzione di sistemi Vettori in R n Combinazioni lineari e span Indipendenza lineare e basi Spazi vettoriali e sottospazi Trasformazioni lineari e rappresentazioni matriciali Determinanti (definizione e proprietà) Regola di Cramer Autovalori e autovettori Polinomio caratteristico Diagonalizzazione di matrici Applicazioni (Catene di Markov) Prodotti interni e norme Ortogonalità e processo di Gram-Schmidt Metodo dei minimi quadrati Applicazioni (Adattamento dei dati) scrivi in forma di testo, senza elenco puntato Il programma del corso affronta i sistemi di equazioni lineari e l'eliminazione di Gauss, per poi passare all'algebra delle matrici, incluse le operazioni fondamentali come la somma, la moltiplicazione per uno scalare e il prodotto tra matrici, fino alla determinazione delle matrici inverse e alla risoluzione dei sistemi. Lo studio prosegue con i vettori in R n , le combinazioni lineari, lo span, l'indipendenza lineare e le basi, estendendosi ai concetti di spazi vettoriali, sottospazi, trasformazioni lineari e loro rappresentazioni matriciali. Il corso copre inoltre la definizione e le proprietà dei determinanti, la regola di Cramer, la teoria degli autovalori e degli autovettori, il calcolo del polinomio caratteristico, la diagonalizzazione delle matrici e le relative applicazioni, come le catene di Markov. Infine, vengono trattati i prodotti interni, le norme, l'ortogonalità, il processo di Gram-Schmidt, il metodo dei minimi quadrati e le sue applicazioni nell'adattamento dei dati.

Richiami di matematica di base: insiemi, insiemi numerici, equazioni e disequazioni. Richiami sulle funzioni: definizioni principali, funzioni iniettive, suriettive e biiettive, composizione di funzioni, funzioni inverse, grafici e principali funzioni elementari (funzioni potenza, esponenziali, logaritmiche, trigonometriche). Concetto di limite: calcolo e principali proprietà. Infiniti e infinitesimi. Continuità e risultati principali sulle funzioni continue. Derivazione: significato geometrico, calcolo e risultati principali. Teoremi fondamentali sulle funzioni derivabili. Convessità. Studio del grafico di una funzione di una variabile reale. Integrazione secondo Riemann: definizione, significato geometrico, regole di calcolo e principali risultati.

Lo studente dovrà superare 2 prove scritte, la prima di natura teorica e la seconda di natura pratica. Il superamento della prima è condizione necessaria per accedere alla seconda.

Le modalità di verifica degli obiettivi formativi dell’insegnamento (esame) prevedono sia una prova scritta che una prova orale. La prova scritta sarà svolta nelle date fissate nel calendario degli esami del CdS. La prova scritta, della durata di 2,5 ore, consiste nella soluzione di alcuni problemi riguardanti i principali argomenti del corso, unitamente ad alcuni quesiti teorici a risposta chiusa. La prova ha lo scopo di verificare: i) la capacità di comprensione delle problematiche proposte durante il corso, ii) la capacità di applicare correttamente le conoscenze teoriche (descrittore di Dublino 2), iii) l'abilità di formulare l'approccio appropriato per la soluzione dei problemi posti (descrittore di Dublino 3), iv) l'abilità di comunicare in modo efficace e pertinente in forma scritta (descrittore di Dublino 4). La prova orale consiste in una discussione della durata non superiore a circa 15 minuti finalizzata ad accertare: i) il livello di conoscenza dei contenuti teorici del corso (descrittore di Dublino 1), ii) il livello di competenza nell’esporre le proprie capacità di argomentazione logico-matematica (descrittore di Dublino 2), iii) l’ autonomia di giudizio (descrittore di Dublino 3) nel proporre l’approccio più opportuno per argomentare quanto richiesto. Le prove orali hanno anche l’obiettivo di verificare la capacità dello studente di esporre con proprietà di linguaggio le domande proposte dalla Commissione, di sostenere un rapporto dialettico durante discussione e di dimostrare capacità logico-deduttive e di sintesi nell'esposizione (descrittore di Dublino 4). La valutazione finale verrà effettuata dalla Commissione in trentesimi tenendo conto della valutazione della prova scritta. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA si visiti la pagina http://www.unipg.it/disabilita-e-dsa. Il docente è in ogni caso a disposizione per valutare personalmente, nei casi specifici, eventuali misure compensative e/o percorsi personalizzati nel caso di studenti con disabilità e/o DSA.

Lay, D. C., Lay, S. R., & McDonald, J. J. (2022). Linear Algebra and Its Applications (6th ed.). Pearson

Il docente consiglierà alcuni testi di riferimento all'inizio del corso, tra cui: 1. "Calculus for Scientists and Engineers", Martin Brokate, Pammy Manchanda, Abul Hasan Siddiqi, Springer, 2019. 2. "Mathematical Analysis 1", Claudio Canuto, Anita Tabacco, Pearson, 2021. 3. "Calculus for Business, Economics, Life Sciences, and Social Sciences", Raymond Barnett, Michael Ziegler, Karl Byleen, Christopher Stocker, Pearson ed. 2019. 4. "Calculus: Early Transcendentals", James Stewart, Daniel Clegg, Saleem Watson, Cengage Learning, 2020. Inoltre il docente metterà a disposizione degli studenti nella piattaforma di E-Learning UniStudium alcune slides riassuntive sui principali argomenti svolti, nonché delle dispense con esercizi svolti.

L'obiettivo dell'insegnamento è l' approfondimento e ampliamento delle conoscenze matematiche di base al calcolo di due variabili, in modo da raggiungere l'acquisizione di un linguaggio matematico da utilizzare nelle applicazioni. In particolare si intende trasmettere la capacità di interpretazione problemi in termini matematici, formulazione e risoluzione di modelli matematici

Entro la fine del corso gli studenti dovrebbero: 1. Conoscere e saper utilizzare i principali strumenti del calcolo delle probabilità e del calcolo cobinatorio 2. Conoscere le nozioni teoriche fondamentali dell'analisi statistica e illustrare le tecniche di base per organizzare, sintetizzare e rappresentare graficamente un dataset. Saranno inoltre in grado di formulare e condurre semplici procedure inferenziali e analisi di regressione su piccoli set di dati. 3. Produrre e interpretare analisi statistiche di base. Gli obiettivi del corso, quindi, comprendono la capacità di riconoscere le diverse tipologie di dati e di selezionare tra diversi strumenti statistici quello più appropriato per il problema in esame. 4. Interpretare, valutare e confrontare modelli di regressione lineare, sintetizzare e comunicare i risultati con adeguate rappresentazioni grafiche.

Funzioni di più variabili reali. Gradiente e derivate direzionali. Piano tangente, approssimazione lineare,cenni di calcolo differenziale per funzioni di più variabili. Equazioni differenziali. Modelli matematici in dinamica delle popolazioni, nella fisica e in altri ambiti.

In un mondo data-driven è sempre più importante far acquisire agli studenti una capacità operativa in termini di reperimento e analisi dei dati (fortemente apprezzata dal mercato del lavoro) che consenta loro di valutare e interpretare in modo più autonomo ed efficace le numerose statistiche fornite quotidianamente da tutti i tipi di media Il corso di Statistica fornisce diversi approfondimenti su vari aspetti della statistica e concetti necessari per risolvere vari problemi di scienza dei dati. È una presentazione approfondita dei principali argomenti della scienza statistica con cui qualsiasi scienziato di dati dovrebbe avere familiarità, tra cui statistica descrittiva, teoria della probabilità, stima statistica e metodi di inferenza, modelli di regressione lineare e logistica. L'accento sarà posto sulla comprensione intuitiva e rigorosa dei fondamenti della statistica, accompagnata dall'implementazione di metodi statistici per risolvere i problemi aziendali del mondo reale. La parte pratica è incentrata sul calcolo e l'interpretazione dei risultati empirici e sarà realizzata utilizzando strumenti software orientati alla probabilità, alla stastistica ed all'analisi dei dati.

Per comprendere i contenuti e raggiungere gli obiettivi relativi all'insegnamento di Analisi Matematica è indispensabile che lo studente abbia acquisito tutte le conoscenze e le abilità relative agli argomenti del programma del primo modulo di Matematica.

I metodi statistici introdotti nel corso sono fortemente dipendenti dagli strumenti matematici di base, pertanto si prevede che gli studenti abbiano frequentato e completato con successo i corsi di matematica previsti.

Il corso è così organizzato: lezioni in aula/on line su tutti gli argomenti, esercitazioni in aula con svolgimento di problemi della stessa tipologia di quelli proposti nelle prove di esame.

Il corso si svolge attraverso lezioni frontali ed esercitazioni sull'utilizzo dei dati. Le tecniche saranno introdotte da esempi e descritte in formule matematiche. Verranno utilizzati pacchetti software orientati all'analisi statistica dei dati

Funzioni di due variabili: campo di esistenza, codominio, grafico. Sezioni verticali ed orizzontali, curve di livello. Superfici quadratiche. Derivate parziali, gradiente. Derivate direzionali. Significato geometrico. Derivate parziali seconde. Piano tangente e approssimazione lineare. Punti critici, massimi, minimi per funzioni di due variabili Curve regolari, integrali curvilinei. Integrazione multipla. Teorema di Fubini, cambiamento di variabili, Jacobiana. Campi vettoriali. Campi irrotazionali e conservativi. Integrali di linea di campi vettoriali. Teorema di Gauss-Green, Teorema della divergenza, Teorema di Stokes Concetto di equazione differenziale, soluzioni, ordine e grado. Problema di Cauchy. Esistenza e unicità della soluzione. Equazioni differenziali del primo ordine e a variabili separabili. Modello di Malthus. Crescita esponenziale. Equazioni differenziali di Bernoulli. Modello di Verhulst. Crescita logistica. Modello di Gompertz. Sistemi differenziali lineari del primo ordine. Equazioni lineari del secondo ordine e applicazioni

1. Statistica descrittiva Introduzione alla scienza dei dati statistici. Tipo di dati e variabili. I dati univariati: indici di posizione e variabilità, rappresentazioni grafiche. Statistica descrittiva per dati multivariati: dati quantitativi bivariati, dati categoriali, tabelle di contingenza e rappresentazioni grafiche. 2. Probabilità Definizioni di probabilità, spazio campionario ed eventi, assiomi di probabilità. Probabilità marginale e condizionata, eventi indipendenti, teorema della probabilità totale, teorema di Bayes e sue applicazioni. Variabili casuali, distribuzioni di probabilità discrete e continue. Principali distribuzioni di probabilità: Bernoulli, Binomiale, Ipergeometrica, Poisson, Geometrica, Normale, Uniforme, Esponenziale, Chi-quadrato, distribuzione t, distribuzione F. Distribuzioni campionarie e teorema del limite centrale. Distribuzioni congiunte. Somme di variabili aleatorie. Valori attesi di somme di variabili aleatorie. 3. Inferenza Stime puntuali e intervalli di confidenza. Test di significatività. 4. Regressione lineare Introduzione ai modelli statistici. Il modello di regressione lineare semplice: stima dei minimi quadrati ordinari dei coefficienti di regressione e varianza dell'errore. Inferenza sui coefficienti di regressione del modello lineare normale. Valutazione del modello. Prevedere le osservazioni future. Il modello di regressione lineare multipla. 5. Regressione logistica Il modello di regressione logistica per dati binari. Stima di massima verosimiglianza e interpretazione dei parametri: effetti su probabilità e odds. Previsioni.

L'esame prevede una prova scritta e una prova orale.La prova scritta consiste nella soluzione di quattro problemi aperti ed ha una durata non superiore a 3 ore. E' finalizzata a verificare le capacità di: - comprensione dei problemi proposti; - applicazione corretta e gestione delle conoscenze acquisite; - interpretazione dei risultati ottenuti. La prova orale consiste in un colloquio della durata di circa 20 minuti ed è finalizzata ad accertare il livello di comprensione raggiunto dallo studente e la sua capacità di collegamento degli argomenti introdotti.

L’esame prevede una prova scritta, contenente sia quesiti teorici che esercizi di analisi dei dati numerici. L'esame è progettato per testare le capacità analitiche, interpretative, di costruzione di modelli matematici e la comprensione di questioni rilevanti. Eventuale esame orale.

1)Calculus for Scientists and Engineers brokate martin; manchanda pammy; siddiqi abul hasan, Springer ed 2) Calculus for Business, Economics, Life Sciences, and Social Sciences Barnett, Raymond; Ziegler, Michael; Byleen, Karl; Stocker, Christopher, Pearson ed. 3) Calculus: Early Transcendentals, J. Stewart, Cengage

I libri consigliati sono: - Sheldon Ross, Introduction to Probability and Statistics for Engineers and Scientists - Alan Agresti e Maria Kateri (2021), "Fondamenti di statistica per scienziati di dati". CRC Press Taylor & Francis Group. Alan Agresti e Maria Kateri (2021), "R-Web-Appendix of Foundations of Statistics for Data Scientist". Disponibile gratuitamente su http://stat4ds.rwth-aachen.de/pdf/DS_R_webAppendix.pdf Gli script utilizzati durante il corso saranno messi a disposizione degli studenti dal docente.

Conoscenza delle leggi della meccanica, della termodinamica. Capacità di risolvere problemi riguardanti la meccanica, la termodinamica ed elettromagnetismo.

Conoscenza delle leggi dell'elettromagnetismo e onde. Capacità di risolvere problemi riguardanti l'elettromagnetismo e le onde.

Introduzione: grandezze fisiche, il metodo scientifico, i vettori Il movimento in una dimensione Moto in due e tre dimensioni Le leggi di Newton Lavoro ed energia cinetica Conservazione dell'energia Conservazione della quantità di moto lineare Rotazione e momento angolare Introduzione ai fluidi Termodinamica

Oscillatore armonico Il campo elettrico Distribuzioni di carica Potenziale elettrico Capacità Corrente elettrica e circuiti in corrente continua Il campo magnetico Sorgenti del campo magnetico Induzione magnetica Circuiti a corrente alternata Equazioni di Maxwell e onde elettromagnetiche

Sono richieste buone competenze in algebra, geometria, trigonometria, nonché una conoscenza di base del calcolo differenziale

Sono richieste buone competenze in algebra, geometria, trigonometria, nonché una conoscenza di base del calcolo differenziale

Il corso prevede lezioni frontali su tutti gli argomenti

Il corso prevede lezioni frontali su tutti gli argomenti

MOVIMENTO IN UNA DIMENSIONE: Spostamento e Velocità; Accelerazione; Moto con accelerazione costante; MOTO IN DUE E TRE DIMENSIONI: Spostamento, Velocità e Accelerazione; Movimento del proiettile; Movimento circolare LE LEGGI DI NEWTON: La prima legge di Newton: la legge di inerzia; Forza e massa; la seconda legge di Newton; Il peso; Molle e stringhe; la terza legge di Newton; Attrito; Forza di trascinamento; Movimento lungo un percorso curvo LAVORO ED ENERGIA CINETICA: Lavoro svolto da una forza costante; Lavoro svolto da una forza variabile; Teorema di lavoro-energia cinetica; CONSERVAZIONE DELL'ENERGIA: Energia potenziale; La conservazione dell'energia; CONSERVAZIONE DEL MOMENTO LINEARE: Conservazione del momento lineare; Energia Cinetica di un Sistema; Collisioni ROTAZIONE E MOMENTO ANGOLARE: Cinematica Rotazionale; Energia Cinetica Rotazionale; Calcolo del momento di inerzia; La seconda legge di Newton per la rotazione; Coppia e momento angolare; Conservazione del momento angolare FLUIDI; Densità; Pressione in un fluido; Galleggiabilità e Principio di Archimede; TERMODINAMICA: Equilibrio Termico e Temperatura; La legge del gas ideale; La teoria cinetica dei gas; Capacità termica e calore specifico; Primo principio della termodinamica; L'energia interna di un gas ideale; capacità di calore; Seconda legge della Termodinamica; Irreversibilità ed entropia; Proprietà e processi termici

• Moto oscillatorio: massa attaccata ad una molla (il caso orizzontale e verticale), il pendolo semplice, onde periodiche trasversali e longitudinali ; - Cariche e campo elettrico: Legge di Coulomb; -distribuzioni continue di carica: il caso del filo, del cerchio, del disco e della sfera; -Potenziale elettrico; - Capacitanza: condensatori a piatti e condensatori cilindrici; - Corrente elettrica e circuiti DC: resistenza e circuiti RC; - Il campo magnetico: la forza magnetica e cariche in movimento; -Sorgenti di campo magnetico: correnti e campo magnetico, legge di Biot-Savart, legge di Ampère; -Induzione magnetica: legge di Faraday e legge di Lenz; -circuiti a corrente alternata: circuiti RL, LC, RLC; -le equazioni di Maxwell: corrente di spostamento, legge di Ampère-Maxwell, equazioni di Maxwell nel vuoto

Prova scritta con esercizi e domande di teoria su materie del primo modulo.

Prova scritta con esercizi e domande di teoria su materie del secondo modulo.

Physics for Scientists and Engineers: With Modern Physics di Tipler, Paul A.; Mosca, Gene Dispense disponibili su UniStudium

Physics for Scientists and Engineers: With Modern Physics di Tipler, Paul A.; Mosca, Gene Dispense disponibili su UniStudium

L'insegnamento affronta i principali problemi che si incontrano nella progettazione e l’analisi di sistemi di controllo dinamici. Vengono affrontati i temi della analisi e sintesi di sistemi di controllo lineari stazionari a tempo continuo. Vengono proposti strumenti metodologici per l'analisi della stabilità e del comportamento ingresso-uscita; viene introdotto il problema controllo in retroazione ed alcuni esempi di progetto.

Analisi e sintesi di sistemi di controllo lineari stazionari a tempo continuo.

Corsi di base di matematica e fisica; conoscenze nelle aree del calcolo matriciale e dell'analisi complessa.

Lezioni frontali, attività sperimentali in aula.

Definizione di un sistema di controllo. Il problema del controllo. Controllo a ciclo chiuso vs. a ciclo aperto. La nozione di retroazione. Esempi di sistemi di retroazione in natura e in ingegneria. Approccio basato su modelli. La nozione di modello matematico. Sistemi dinamici. Equazioni differenziali come strumento di modellazione per sistemi dinamici. Modelli nello spazio di stato e modelli ingresso-uscita. Modelli LTI. Definizione di linearità e invarianza temporale. Cenni sull'integrazione numerica di equazioni differenziali ordinarie non lineari. Dalle equazioni differenziali ordinarie lineari di ordine superiore ai modelli nello spazio di stato. Esempi di modelli fisici che possono essere riscritti come sistemi LTI. Il problema del calcolo della risposta per un sistema LTI generale. Calcolo della risposta a ingresso nullo: esponenziale della matrice, mappa di transizione e sue proprietà. Unicità ed espressione generale della risposta a ingresso nullo. Calcolo della risposta completa: unicità ed espressione generale della risposta completa. Delta di Dirac e nozione di risposta impulsiva. Uso del delta di Dirac per definire la risposta impulsiva. Significato della risposta impulsiva da un punto di vista ingresso-uscita. Modi naturali, risposta a ingresso nullo in termini di proiezioni sugli autospazi, esempi. Sistema massa-molla-smorzatore: polinomio caratteristico, analisi del caso su autovalori reali. Risposta a ingresso nullo di un sistema planare con autovalori complessi: forma generale della soluzione, modi naturali pseudoperiodici, analisi dei modi, smorzamento e frequenza naturale. Analisi del sistema massa-molla-smorzatore nel caso di autovalori complessi. Risposta a ingresso nullo in presenza di autovalori sia reali che complessi. Trasformata di Laplace: definizione, esempio di calcolo e proprietà. Calcolo della risposta completa nel dominio di Laplace. Definizione della funzione di trasferimento. Funzione di trasferimento di sistemi SISO, definizione di poli e zeri. Relazioni tra poli e zero, sviluppo parziale frazionario nel caso di radici semplici, controllabilità e osservabilità dei modi naturali, definizione di dinamica nascosta. Test PBH per controllabilità e osservabilità. Realizzazioni minimali. Definizione del punto di equilibrio per un sistema LTI. Definizione di stabilità asintotica, stabilità marginale e instabilità. Condizioni necessarie e sufficienti per la stabilità asintotica e marginale. Criterio di Routh. Risposta al gradino di sistemi LTI asintoticamente stabili. Definizione di guadagno in corrente continua. Analisi della risposta al gradino. Risposta transitoria e stazionaria. Teoremi sui valori iniziali e finali. Risposta armonica. Diagrammi di Bode: motivazione e generalità. Diagrammi di guadagno e fase, uso dei decibel per la rappresentazione del diagramma di guadagno. Forma canonica di Bode. Diagrammi di Bode approssimati dei termini elementari: costante, monomio, binomiale e trinomio. Controllabilità e raggiungibilità: definizioni, condizioni necessarie e sufficienti, esempi. Forma canonica controllabile. Problema di assegnazione degli autovalori: enunciato del problema e condizioni necessarie e sufficienti per la risolubilità. Formula di Ackermann. Stabilizzabilità: definizione e condizioni necessarie e sufficienti per la risolubilità. Osservabilità: definizioni, condizioni necessarie e sufficienti, esempi. Forma canonica osservabile. Il problema della stima dello stato. Progettazione di osservatori asintotici.

Prova scritta e prova orale.

Karl Johan Astro¨m and Richard M. Murray, “Feedback Systems: An Introduction for Scientists and Engineer”, PRINCETON UNIVERSITY PRESS, 2009.

L'insegnamento di Applied Thermodynamics and Thermal Management ha l'obiettivo principale di fornire agli studenti le conoscenze fondamentali sui cicli termodinamici principali, sui componenti che ne consentono la realizzazione (scambiatori di calore, compressori, pompe idrauliche), sui parametri che ne caratterizzano le prestazioni energetiche. Inoltre, vengono fornite agli studenti le nozioni fondamentali relative alle modalità di trasmissione e gestione del calore, con l'obiettivo di evidenziare la loro applicazione ai processi civili e industriali. Le principali conoscenze acquisite saranno: 1. le caratteristiche dei principali sistemi termodinamici e delle loro trasformazioni. 2. le modalità e relazioni valide nel moto dei fluidi. 3. gli schemi ed i cicli di funzionamento di macchine termiche e frigorifere. 4. i componenti principali delle macchine termiche e frigorifere. 5. i parametri di lavoro delle diverse tipologie di macchine termiche e frigorifere. 6. i diagrammi di stato utili nel campo della refrigerazione. 7. gli schemi di funzionamento dei principali sistemi di condizionamento. 8. le modalità di trasmissione del calore e le relative relazioni principali, utili alla gestione degli scambi termici. Le principali abilità (ossia la capacità di applicare le conoscenze acquisite) saranno: 1. saper calcolare il rendimento energetico di una macchina termica. 2. saper individuare la potenzialità di una macchina frigorifera compatibile con determinate specifiche. 3. saper calcolare l'effetto utile di una macchina frigorifera. 4. saper analizzare i trattamenti dell'aria sul diagramma psicrometrico. 5. saper individuare la tipologia di sistema termodinamico più adatto per specifiche applicazioni civili o industriali. 6. saper applicare le relazioni matematiche relative alle modalità di trasmissione del calore ai casi più pratici. 7. saper applicare le relazioni delle diverse modalità di scambio termico per la determinazione delle prestazioni di sistemi civili o industriali.

Sistemi termodinamici. Pompe e compressori. Cicli termodinamici motore principali. Macchine frigorifere a compressione e ad assorbimento. Condizionamento dell'aria e diagramma psicrometrico. Conduzione termica. Convezione. Irraggiamento. Trasmittanza termica. Scambiatori di calore.

Al fine di comprendere e saper applicare la maggior parte delle tecnologie descritte nell'insegnamento è indispensabile conoscere i principi fondamentali dell'analisi matematica (quali derivate ed integrali).

Il corso è organizzato come segue. Lezioni in aula sugli argomenti del corso N. ore: 54 Supporti per insegnamento e apprendimento: - Video proiezioni delle lezioni - Dispense del docente disponibili su sito web dedicato (Unistudium) - Testi consigliati per lo studio Modalità di apprendimento (oltre alla frequenza delle attività didattiche): - Lettura e studio personale su materiale messo a disposizione dal docente su sito web dedicato (Unistudium) - Lettura e studio personale su testi di riferimento

1. Termodinamica applicata Principi della termodinamica. Trasformazioni termodinamiche. Entropia ed entalpia. Diagramma di stato di una sostanza pura. Diagrammi di stato: entropico, entalpico, frigorifero. Exergia. Sistemi termodinamici aperti. Equazione di continuità e di Bernouilli. Moto dei fluidi e macchine idrauliche. Perdite di carico. Diagramma di Moody. Pompe idrauliche, ventilatori e compressori. Macchine termiche e loro principali cicli termodinamici (ciclo Otto, ciclo Diesel). Macchine frigorifere a compressione di vapore saturo: ciclo Rankine inverso. Pompe di calore a compressione. Macchine frigorifere ad assorbimento. Pompe di calore ad assorbimento. Condizionamento dell'aria. Grandezze psicrometriche. Il diagramma psicrometrico ASHRAE. Trattamenti dell'aria. Impianti a tutt'aria e ad aria e mobiletti. Descrizione di un condizionatore. Regolazione a punto fisso. 2. Trasmissione e gestione del calore Conduzione. Campi termici. Postulato ed equazione di Fourier. Parete piana multistrato. Parete piana con sviluppo interno di calore. Convezione. Analisi fenomenologica. Strato limite. Convezione naturale e forzata. Metodo dell'analisi dimensionale. Numeri di Reynolds, Prandtl, Grashof, Nusselt. Irraggiamento. Energia raggiante: leggi, proprietà, costante di assorbimento. Principio di Kirchhoff. Leggi del corpo nero. Proprietà radianti dei corpi. Effetto serra. Scambio di calore fra superfici piane affacciate. Resistenza termica. Parete piana tra due fluidi: trasmittanza. Parete con intercapedine. Parete opaca o vetrata esposta a irraggiamento solare. Scambiatori di calore. Raffreddamento di un corpo. Distribuzione del calore. Materiali termoisolanti. Aletta di raffreddamento.

L'esame prevede una prova orale, che consiste in una discussione della durata di circa 30 minuti finalizzata ad accertare il livello di conoscenza e capacità di comprensione raggiunto dallo studente sui contenuti teorici e metodologici indicati nel programma. Saranno poste allo studente domande che verteranno sugli argomenti dei due macrosettori che costituiscono il corso, ossia termodinamica applicata e trasmissione/gestione del calore.

1. Dispense a cura del docente 2. M. Felli: Lezioni di Fisica Tecnica 1: Termodinamica, Macchine, Impianti, Nuova edizione a cura di Francesco Asdrubali, Morlacchi editore, 2004 (in italiano). 3. M. Felli: Lezioni di Fisica Tecnica 2: Trasmissione del Calore, Acustica, Tecnica dell'illuminazione, Nuova edizione a cura di Cinzia Buratti - Morlacchi editore, 2004 (in italiano). 4. M.J.Moran, H.N.Shapiro, D.D.Boettner, M.B.Bailey: Fundamentals of Engineering Thermodynamics, Wiley, 9th edition, 2018.

L'obiettivo del corso consiste nel fornire le conoscenze basilari per eseguire lo studio di fattibilità di un impianto industriale, determinarne l'ubicazione ottimale, ed eseguirne la progettazione in termini di lay-out (disposizione planimetrica), dimensionamento dei macchinari e della mandopera richiesta. Le principali conoscenze acquisite saranno: definizioni e classificazioni dei processi produttivi e dei sistemi di produzione; conoscenze teoriche relative alla fasi di uno studio di fattibilità di un impianto industriale; conoscenze teoriche di analisi della domanda tramite metodi di estrapolazione, di indagini campionarie e di correlazione; definizioni e classfiicazioni dei tipi di lay-out; conoscenze teoriche relative ai fattori ubicazionali e a metodi di ubicazione quantitativi/qualitativi. Le principali abilità saranno: utilizzo di tecniche di previsione per la stima della domanda di mercato; Capacità di eseguire lo studio di fattibilità tecnico-economico dell'impianto e la determinazione della quantità ottimale di produzione; Capacità di determinare il lay-out ottimale in funzione della quantità e varietà dei prodotti; Capacità di dimensionamento del numero ottimale di macchinari nella produzione per reparti, in linea e a celle; Capacità di dimensionamento della manodopera necessaria nella produzione per reparti, in linea e a celle; Capacità di stabilire il numero ottimale di turni di un impianto; Capacità di determinare lo spazio richiesto nell'impianto e la disposizione planimetrica di reparti/celle/stazioni ed aree di servizio; Capacità di eseguire l'ubicazione ottimale di un impianto in termini di riduzione dei costi di trasporto.

Studio di fattibilità di un impianto industriale. La scelta dell'ubicazione di un impianto industriale. Progetto sistematico del lay-out generale di un impianto industriale.

Al fine di comprendere e saper applicare la maggior parte delle tecniche descritte nell'insegnamento si indispensabile la conoscenza la conoscenza dei seguenti argomenti: - integrali, massimi e minimi vincolati; - funzioni densità di probabilità, concetti base di statistica. E' inoltre importante aver sostenuto con successo l'esame di Istituzioni di Economia.

Il corso è organizzato nel seguente modo: - lezioni teoriche in aula su tutti gli argomenti del corso; - workshop da svolgere a casa e consegnare tramite piattaforma Unistudium; - esercitazioni in aula sulla risoluzione di problemi pratici. Le esercitazioni si tengono durante l'orario di lezione, e seguono immediatamente la relativa parte teorica a cui si riferiscono.

Programma: Unità didattica: Contenuti e finalità - Definizione di impianto industriale; - Prodotti finiti: classificazione; - Classificazione degli impianti di produzione; - Gli impianti ausiliari o di servizio; - Tipi di produzione; - Pianificazione e realizzazione degli impianti industriali; - Cenni storici sullo sviluppo dell'industria. Unità didattica: Studio di fattibilità di un impianto industriale. Studio del mercato e del prodotto. Rischi assunti dall'impresa. Procedure di copertura dai rischi di mercato e di esercizio. Analisi della domanda: - Raccolta di opinioni tramite indagini campionarie ; - La correlazione per la previsione della domanda di mercato; - La estrapolazione per la previsione della domanda di mercato; - Metodi statici e auto adattativi - Medie mobili, smorzamento esponenziale semplice, modello di Holt, modello di Winters. Individuazione del volume delle vendite aziendali. Studio del prodotto. Scelta del ciclo produttivo e definizione qualitativa del diagramma di lavorazione. Definizione dei servizi necessari alla produzione e determinazione di massima dei corrispondenti impianti ausiliari. Valutazione economica della redditività degli investimenti industriali e scelta della potenzialità produttiva ottimale degli impianti di produzione. Scelta della potenzialità ottimale di un impianto monoprodotto. La programmazione lineare per la determinazione del mix produttivo ottimale. I costi di produzione: analisi e classificazione. Criteri di valutazione della redditività degli investimenti industriali. Unità didattica: La scelta dell'ubicazione di un impianto industriale. I fattori ubicazionali e i metodi di scelta dell'ubicazione: - I fattori ubicazionali; - Metodi di scelta dell'ubicazione di un impianto industriale; - Metodo del punteggio; - Scelta ubicazionale in base ai costi; - Scelta ubicazionale in base al criterio di minimizzazione dei costi di trasporti esterni (dimostrazione solo per distanze rettangolari e euclidee al quadrato). La scelta del terreno. Unità didattica: Progetto sistematico del lay-out generale di un impianto industriale. Studio del flusso dei materiali e delle attività operative: - Analisi del prodotto e delle quantità - Analisi P-Q; - Flusso di materiali; - Foglio del processo operativo per produzioni monoprodotto; - Unità di misura del flusso dei materiali; - Foglio del processo operativo per più di un prodotto; - Raggruppamenti o selezioni per molti prodotti; - Foglio origine-destinazione; - Group Technology - Tecnologia per famiglie di prodotti. Studio delle attività di servizio per il progetto del lay-out generale: - Rapporti fra le attività di servizio; - Tabella delle Relazioni; - Tabella combinata dei rapporti; - Diagramma del flusso e/o rapporti fra attività. Determinazione dello spazio richiesto: - Metodo dei calcoli diretti; - Determinazione del numero delle macchine; - Caso della produzione per reparti; - Caso della produzione in linea; - Passaggio da produzione intermittente a produzione in linea (curva caratteristica del prodotto); - Determinazione del numero di operatori per operazioni di assemblaggio o montaggio manuale; - Caso dell'assemblaggio per reparti; - Caso dell'assemblaggio in linea; - Metodo di Kottas-Lau per il bilanciamento di una linea di montaggio manuale; - Determinazione del numero ottimale di macchine automatiche servite da un solo operatore; umano.

L'esame consiste in una prova scritta e una prova orale. Lo scritto consiste in 10 domande a risposta multipla e/o aperte e un esercizio sulla parte di programma relativa alle tematiche di Impianti Industriali (Durata indicativa della prova 2 h). L'esercizio consiste nella soluzione di un problema sugli argomenti quali la previsione della domanda, l'ubicazione, lo studio del lay out, ed è volto ad accertare la capacità di applicare correttamente le conoscenze teoriche, la capacità di comprensione delle problematiche proposte, e la capacità di concentrazione per l'esecuzione corretta di calcoli. Le domande sono finalizzate ad accertare il livello di conoscenza e di comprensione delle problematiche sui contenuti teorici e metodologici relativi a questa parte di programma. Alla prova orale lo studente deve presentare un elaborato (consegnabile tramite la piattaforma Unistudium), volto a provare l’acquisizione di una autonoma capacità di giudizio sulle tematiche del corso. Segue una prova orale della durata indicativa di 20 minuti. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa

Sunerdesh Heragu, Facility Planning, Fifth Edition 2022

vedi inglese

vedi inglese

vedi inglese

vedi inglese

vedi inglese

vedi inglese

vedi inglese

Al termine del corso, lo studente sarà in grado di: 1. Analizzare la posizione strategica di un'impresa industriale o tecnologica utilizzando i principali framework qualitativi (PESTEL, Five Forces, SWOT, VRIO, BCG, Porter). 2. Valutare alternative strategiche utilizzando modelli quantitativi (break-even analysis, sensitivity analysis, valutazione del vantaggio competitivo) per supportare decisioni strategiche, integrando le competenze acquisite in Engineering Economy. 3. Criticare i limiti dei modelli strategici ortodossi e applicare prospettive complementari (discorso, potere, stakeholder) per arricchire l'analisi strategica. 4. Formulare e comunicare raccomandazioni strategiche integrate, basate su analisi qualitative e quantitative, in contesti caratterizzati da incertezza e interessi conflittuali. 5. Lavorare in gruppo per sviluppare un progetto strategico completo, dalla diagnosi alla raccomandazione, con presentazione orale dei risultati.

Il modulo introduce i fondamenti del management strategico con una prospettiva orientata all'ingegneria gestionale. Il corso combina i framework classici della strategia (analisi esterna e interna, formulazione, implementazione) con una dimensione quantitativa e una riflessione critica sui modelli tradizionali. Gli studenti sviluppano competenze nell'analisi strategica di imprese industriali e tecnologiche, integrando strumenti qualitativi (PESTEL, Five Forces, SWOT, VRIO, BCG) con modelli quantitativi (analisi break-even, analisi di sensitività, valutazione del vantaggio competitivo attraverso modelli economico-finanziari). Il corso adotta inoltre un approccio critico, discutendo i limiti dei modelli ortodossi e introducendo prospettive complementari. Particolare attenzione è dedicata alle strategie di innovazione e tecnologia, alla gestione del portafoglio e alle decisioni strategiche in condizioni di incertezza.

Competenze di base in algebra lineare, statistica descrittiva e probabilità elementare. Familiarità con i concetti fondamentali di Engineering Economy (valore del denaro nel tempo, costi fissi e variabili, break-even analysis, NPV), acquisita al primo anno. Familiarità con l'uso di Excel.

l modulo si articola in lezioni frontali ed esercitazioni guidate per un totale di 81 ore di didattica. Le lezioni combinano spiegazioni teoriche, discussione di casi ed esempi applicativi, supportate da presentazioni in PowerPoint e dall'utilizzo della lavagna. Le esercitazioni includono: Analisi di casi strategici con supporto di framework qualitativi. Laboratori quantitativi con modelli Excel (break-even analysis, sensitivity analysis). Dibattiti critici sui limiti e le alternative ai modelli strategici ortodossi. Project work strategico in gruppo, con presentazione finale. Tutti i materiali saranno resi disponibili attraverso la piattaforma e-learning dell'Ateneo.

Il modulo si articola nei seguenti contenuti indicativi. Settimana 1: Introduzione alla Gestione Strategica per imprese tecnologiche e industriali. Cos'è la strategia e perché è rilevante per l'ingegnere gestionale. Livelli di strategia (corporate, business, funzionale). Introduzione all'analisi dei casi. Il ruolo dello "strategist" nell'impresa industriale. Visioni eterodosse: la strategia come discorso : il linguaggio strategico non è neutro, ma costruisce realtà. Collegamento con Engineering Economy: richiamo ai concetti di "creazione di valore" e "profitto vs cash flow". Esercitazione: analisi di un caso introduttivo. Settimana 2: Analisi della performance organizzativa. Mission, purpose, vision e valori. Balanced Scorecard e metriche di performance. Vantaggio competitivo e sostenibilità nel tempo. Quantitativo: analisi di bilancio comparata (ROE, ROI, ROS, EVA) e calcolo del tasso di crescita sostenibile (SGR). Visioni eterodosse: critica alla Balanced Scorecard come strumento di controllo. Collegamento con Engineering Economy: uso dei bilanci aziendali e degli indici di redditività già visti al primo anno. Laboratorio Excel: costruzione di un dashboard di performance strategica. Settimana 3: Analisi dell'ambiente esterno. PESTEL analysis. Porter's Five Forces. Strategic Group Mapping. Dinamiche di settore e posizionamento competitivo. Quantitativo: modello di sensitività dell'impatto delle 5 Forze sulla redditività del settore. Visioni eterodosse: Resource Dependence Theory - le aziende dipendono da risorse controllate da altri attori. Laboratorio Excel: analisi di sensitività con grafico a tornado. Settimana 4: Analisi interna dell'impresa. Risorse, capacità e core competencies. VRIO framework. Isolating mechanisms. Value Chain Analysis. Analisi quantitativa: valutazione del contributo economico di una risorsa critica (EVA attribuibile) e analisi della value chain con dati di costo. Visioni eterodosse: critica al VRIO come modello statico. Laboratorio: mappatura della value chain. Settimana 5: Formulazione della strategia. SWOT analysis. Sintesi dell'analisi e identificazione del "Strategic Issue". Framework decisionali per la strategia. Analisi quantitativa: SWOT ponderato con pesi e punteggi; analisi di sensitività sui risultati. Visioni eterodosse: la strategia come processo politico e negoziale. Laboratorio Excel: costruzione di una SWOT quantitativa. Settimana 6: Strategia a livello corporate. Strategie di crescita (diversificazione, alleanze, M&A). Portfolio Planning: BCG Matrix. Quantitativo: costruzione della BCG Matrix con dati reali; calcolo del grado di diversificazione (indice di Herfindahl). Visioni eterodosse: teorie alternative al contingency approach per il portfolio management (institutional theory, stakeholder theory, resource dependence, sensemaking). Laboratorio Excel: BCG Matrix con dati finanziari reali. Settimana 7: Strategia a livello business. Framework di Porter: Cost Leadership e Differentiation. Strategie di focalizzazione. Blue Ocean Strategy. Analisi quantitativa: break-even analysis per confrontare strategie competitive (costo vs differenziazione); analisi di sensitività su prezzo e volumi. Visioni eterodosse: critica al modello di Porter e alternative (Resource-Based View, Dynamic Capabilities). Collegamento con Engineering Economy: utilizzo dei concetti di costo fisso/variabile, margine di contribuzione e break-even analysis già visti al primo anno. Laboratorio Excel: confronto quantitativo di strategie competitive. Settimana 8: Strategia a livello funzionale: Operations & Technology Strategy. Strategie per la produzione (lean, digital manufacturing). Supply chain strategy. Make-or-buy decisions. Analisi quantitativa: Total Cost of Ownership (TCO) per decisioni make-or-buy; analisi di capacity planning. Collegamento con Engineering Economy: applicazione dei concetti di costo totale e analisi differenziale già visti al primo anno. Laboratorio Excel: modello TCO e make-or-buy analysis. Settimana 9: Strategia di innovazione. Entrepreneurial Orientation. First Movers vs. Fast Followers. Quattro tipi di innovazione. Product Life Cycle. Analisi quantitativa: Real Options Analysis per investimenti in R&D (valutazione della flessibilità strategica). Visioni eterodosse: il discorso dell'innovazione come strumento di legittimazione. Collegamento con Engineering Economy: estensione dei metodi di valutazione degli investimenti (NPV) visti al primo anno al contesto dell'innovazione. Laboratorio Excel: modello di opzioni reali per R&D. Settimana 10: Strategia tecnologica. Technology roadmapping. Strategie per l'adozione di AI, automazione, IoT. Open innovation. Analisi quantitativa: modello di diffusione dell'innovazione per stimare i tassi di adozione. Visioni eterodosse: critica al modello lineare di innovazione. Laboratorio Excel: modello di diffusione e analisi di scenario. Settimana 11: Implementazione della strategia. Gap analysis e root cause analysis. Organizational design e strutture organizzative. Change management e digital transformation. Quantitativo: analisi quantitativa del gap strategico (DuPont Analysis per scomporre il ROE e identificare le leve di intervento). Visioni eterodosse: il potere e la politica nei processi di implementazione. Collegamento con Engineering Economy: utilizzo degli indici di bilancio (ROE, ROI) e della leva finanziaria già visti al primo anno. Laboratorio Excel: analisi del gap strategico con DuPont. Settimana 12: Case Studies & Project Work. Applicazioni integrate a problemi reali di management strategico in contesti industriali e tecnologici. Discussione di casi complessi. Presentazioni dei project work. Preparazione per l'esame.

1. Group Project Work (50% del voto finale): Un progetto strategico di gruppo (3-4 studenti) su un'impresa industriale o tecnologica reale. Il progetto include: analisi esterna e interna, formulazione di una strategia proposta, valutazione quantitativa della strategia (modelli Excel), e presentazione orale finale. 2. Esame Finale Scritto (40% del voto finale): Una prova scritta della durata di 2 ore, composta da domande aperte volte a verificare la comprensione dei concetti teorici e la capacità di selezionare criticamente gli strumenti più appropriati per supportare una decisione strategica complessa.

Testo di riferimento: Anderson, L., Buengel, D. & Simpson, J.J. (2025). Strategic Management and Case Analysis: An Integrated Approach. Virginia Tech Publishing. [Open Access] Materiale aggiuntivo (slide, casi studio, dataset, modelli Excel, letture critiche) sarà fornito dal docente.

Obiettivi di conoscenza: - Conoscenza della definizione di ingegneria dei sistemi e basi teoriche; - Conoscenza dei principali ruoli SE; - Conoscenza degli strumenti SE e della loro applicabilità; - Conoscenza di approcci strutturati per gestire il ciclo di vita delle grandi entità; - Conoscenza dei principali standard, regolamenti e organizzazioni SE; Abilità: - Giudicare la fattibilità di un progetto; - Identificazione dei requisiti, o obiettivi prefissati; - Analisi delle alternative; - Utilizzo di simulazioni e tecniche di modellazione efficaci; - Identificazione degli obiettivi del ciclo di vita del sistema; - Attività di verifica del progetto.

Molti campi di applicazioni richiedono la gestione di sistemi tecnici o socio-tecnici complessi, che vanno dai veicoli aerospaziali ai prodotti di consumo complessi, ai grandi impianti o ai sistemi informativi. Aggiungendosi alla complessità interna, l'interazione con l'ambiente esterno può aggiungere ulteriori vincoli e requisiti. La gestione del ciclo di vita di tali entità, che vanno dall'esplorazione del concetto iniziale al ritiro del sistema, richiede una vasta conoscenza e abilità multidisciplinari, che comprendono probabilità, statistica, ingegneria di base e scienze cognitive. Di conseguenza, il corso introduce i principi dell'ingegneria dei sistemi e delle loro applicazioni, da applicare nelle varie fasi del ciclo di vita di un sistema complesso.

Sono consigliate competenze relative agli insegnamenti di Analisi matematica, Fisica, Informatica, e Calcolo delle Probabilità

Lezione frontale e attività di laboratorio

Introduzione • Definizione di System Engineering (SE), motivazioni, evoluzione storica di SE • Rapporti di SE con System Implementation Engineering e System Management Engineering • Principali standard e organizzazioni SE • Casi di studio introduttivi Basi teoriche • Ambiti disciplinari: governance dei sistemi, teoria e patologie • Assiomi e principi generali • Sistemi complessi e sistemi di sistemi • Simulazione e modellazione Processi SE • SE e ciclo di vita del prodotto; • Stakeholder e loro attività; • Qualità, miglioramento continuo e gestione del rischio;

• Esame orale • Saggio (assegnato a metà corso): analisi e presentazione di un caso di studio

• Materiale a cura del docente - Alexander Kossiakoff, William N. Sweet, Samuel J. Seymour, Steven M. Biemer, “SYSTEMS ENGINEERING PRINCIPLES AND PRACTICE”, Wiley. -Joseph Eli Kasser, “Systems Engineering – A Systemic and Systematic Methodology for Solving Complex Problems”, CRC Press -INCOSE Systems Engineering Handbook, v3.2. San Diego, CA: INCOSE, 2010. -Benjamin Blanchard, Wolter Fabrycky, “Systems Engineering and Analysis”, Prentice Hall International Series in Industrial & Systems Engineering, 5th Edition.

Padronanza dei principali metodi per l'analisi funzionale delle macchine e dei sistemi meccanici. Conoscenza dei principali sistemi di gestione del moto.

Studio e analisi dei sistemi meccanici per la gestione degli aspetti funzionali, cinematici e dinamici ad essi correlati.

Fisica e analisi matematica.

Lezioni teoriche e esercitazioni.

• Modellazione di base dei sistemi (blocchi elementari per la modellazione a parametri concentrati dei sistemi, costruzione e analisi di vari tipi di sistemi mediante blocchi elementari). • Risposta dinamica dei sistemi (criteri e metodi per l’analisi e la gestione della risposta dei sistemi). • Gestione e analisi dei sistemi nei regimi transitori (analisi del comportamento dei sistemi durante i regimi transitori). • Componenti di una macchina e problemi di gestione del moto (criteri e metodi per la gestione e l’analisi di macchine e meccanismi con riguardo allo scambio di azioni tra i vari componenti del sistema e con l’esterno).

Esame scritto e esercizio a casa

• C. Ferraresi, T. Raparelli: Applied Mechanics. Ed. Clut - Appunti delle lezioni

Lo studente acquisirà le nozioni necessarie allo sviluppo della progettazione di un generico prodotto, in relazione alle sollecitazioni e alle situazioni ambientali di esercizio.

L'insegnamento di "PRINCIPLES AND METHODS OF MACHINE DESIGN" si propone di fornire agli studenti le nozioni necessarie allo sviluppo di metodiche di progettazione meccanica delle macchine e dei loro componenti nell'ottica di coadiuvare il processo di Sviluppo prodotto. In questo modulo verranno trattati alcuni aspetti generali riguardanti le condizioni di esercizio delle macchine e come lo sviluppo del prodotto si debba orientare per garantire la sicurezza e la funzionalità del sistema.

Al fine di comprendere e saper applicare alcune delle tecniche descritte nell'insegnamento sono necessarie conoscenze preliminari di “System Mechanics”.

Il modulo è organizzato in: Lezioni frontali in aula durante le quali vengono illustrati gli argomenti del corso. In parallelo verranno svolte esercitazioni in aula al fine di far sviluppare agli studenti un’autonomia nella progettazione di semplici componenti meccanici. La totalità del materiale didattico utilizzato durante il corso è disponibile attraverso la piattaforma Unistudium.

Il prodotto e le specifiche che guidano la sua progettazione. Analisi stocastica. Richiami dei concetti di probabilità ed affidabilità. Materiali. Caratteristiche e proprietà dei materiali. Come scegliere un materiale in funzione del prodotto e delle sue funzioni. Le condizioni di esercizio del prodotto. Modalità di analisi e metodi di progettazione

L’esame dell’insegnamento “Product Design”, di cui il modulo di “Principles and Methods of Machine Design” si compone di due parti: Esame scritto teorico a risposta multipla Esame scritto pratico con lo svolgimento di alcuni esercizi. L’esame scritto a risposta multipla è volto all’accertamento della conoscenza di tutti gli argomenti svolti. L’esame scritto pratico è volto all’accertamento della capacità di applicare le metodologie acquisite a lezione.

Richard Budynas and Keith Nisbett, Shigley's Mechanical Engineering Design, McGraw-Hill Education

Conoscere i concetti fondamantali sulla qualità industriale e le principali tecniche di misura per il controllo di qualità

Storia della qualità, norme di riferimento, accreditamento, certificazione, tecniche di misura per il controllo di qualità

Nessuno

Lezioni e seminari con esponenti industriali

Storia della qualità, norme di riferimento, ISO 9000 per l'assicurazione della qualità, accreditamento dei sistemi qualità, certificazione dei prodotti, tecniche di misura per il controllo di qualità, esempi specifici nella produzione industriale.

Esame orale

-Jurann's - Quality control Handbook -dispense a cura del docente