Engineering management

L’insegnamento concorre a formare lo studente sugli aspetti tecnolgici-operativi delle tecnologie manifatturiere di tipo additivo, fornisce strumenti per la progettazione del ciclo di fabbricazione di componenti ed assiemi meccanici; L'obiettivo principale dell’insegnamento consiste nel fornire agli studenti le basi per la valutazione e pianificazione del processo manifatturiero additivo, fornendo aspetti metodologici della fase di progettazione e fabbricazione, sia dal punto di vista meccanico/strutturale che dal punto di vista economico. I principali risultati dell’apprendimento saranno: • Conoscenza dei principi base delle tecnologie manifatturiere additive. • Conoscenza delle principali tecnologie manifatturiere additive, principi di funzionamento, materiali ed applicazioni nei diversi settori. • Capacità di valutare la fattibilità della fabbricazione di specifiche geometrie mediante tecnologie additive e confronto con tecnologie classiche. Scelta della tecnologia più indicata sotto aspetti tecnici ed economici. • Capacità di pianificare le fasi di fabbricazione e post processing. • Capacità di dimensionare i parametri di processo necessari alla definizione del ciclo di fabbricazione • Capacità di prevedere gli effetti di parametri selezionati sul processo di fabbricazione.

L’insegnamento fornisce le competenze di base necessarie alla analisi e pianificazione del ciclo di fabbricazione di un componente meccanico mediante tecnologie di processo avanzate. I principali contenuti riguardano i processi manifatturieri di tipo additivo, applicati materiali polimerici e metallici. Sono trattati processi manifatturieri additivi di varia natura, destinati ad applicazioni diversificate nei settori industriali e non.

Al fine di comprendere e saper applicare la maggior parte delle tecniche descritte nell'insegnamento sono necessarie conoscenze preliminari di Disegno tecnico e Fisica generale.

Il corso è organizzato in: • lezioni frontali in aula durante le quali vengono affrontati gli argomenti trattati nel corso; • esercitazioni di laboratorio e calcolo consistenti nella pianificazione di cicli di fabbricazione per particolare di cui sono forniti i disegni tecnici. La totalità del materiale didattico utilizzato durante il corso – e.g. diapositive delle lezioni, esercizi svolti e proposti, tabelle, video ed altri contenuti – è disponibile attraverso la piattaforma Unistudium.

Introduzione: I processi additivi in contrapposizione ai processi sottrattivi, contesto storico-tecnologico e nascita dei primi processi di manifattura additiva per la prototipazione rapida. Tecnologie trasversali applicate per la manifattura additiva Classificazione dei processi di manifattura additiva. Processi single point, multi point, 1D-Array e 2D-Array. Processi a letto di polveri, a polimeri liquidi ed estrusione polimeri fusi. Architettura delle macchine. Processi ibridi. Fasi della fabbricazione additiva. Passaggio dalla prototipazione rapida alla fabbricazione rapida: Time to Market. Rapid tooling. Aspetti economici dell’approccio additivo. Parametri di processo e loro selezione. Benchmarks di processo. Design of Experiment (DOE) Design for manifacturing: design parametrico e topologico.

L'esame si compone di due parti: • Una prova scritta a risposta multipla con domande teoriche e tecniche sull’intero panorama degli argomenti del corso. • Una prova orale. Le prove sono volte all’accertamento della conoscenza degli argomenti svolti. La prova orale è in particolare volta all’accertamento della capacità dello studente di pianificare correttamente cicli di fabbricazione, evidenziando criticità ed approcci per la risoluzione o mitigazione di queste. Salvo avviso contrario le due prove si svolgono nello stesso giorno, l'una a seguire l'altra. La votazione finale è la media aritmetica delle valutazioni ottenute nelle due prove. Per superare l'esame è comunque necessario ottenere una valutazione almeno di 15/30 nella prova scritta.

Testi raccomandati 1. Additive Manufacturing Technologies, Ian Gibson, David Rosen, rent Stucker. Ed. Springer New York, NY Altri testi Materiale didattico comprendente diapositive delle lezioni, video ed altro è disponibile attraverso la piattaforma Unistudium.

Conoscenza dei problemi di regressione e classificazione e delle tecniche principali per affrontarli. Capacità di pre-elaborare e analizzare dati al fine di sviluppare correttamente algoritmi di apprendimento su di essi. Capacità di analizzare e risolvere le criticità della pipeline di apprendimento, quando i risultati non siano soddisfacenti. Capacità di utilizzare alcune delle principali librerie per l'addestramento di algoritmi di apprendimento.

Introduzione al Machine Learning. Regressione Lineare. Modelli Discriminativi e Generativi per la classificazione. Support Vector Machines. Reti neurali. Unsupervised learning. Esempi di Applicazione. Esercitazioni guidate in laboratorio su Python su analisi di dati con tecniche di Machine Learning.

Al fine di comprendere i contenuti presentati e conseguire gli obiettivi di apprendimento è utile possedere una buona conoscenza di Algebra lineare, Analisi, Teoria della probabilità, Fondamenti di programmazione

L’insegnamento è organizzato come segue:- lezioni frontali in aula;- lezioni frontali a carattere seminariale- esercitazioni guidate presso il Laboratorio di Informatica sull’utilizzo di tecniche di Machine Learning per l’analisi di dati in Python. In ogni esercitazione gli studenti vengono distribuiti su 30 postazioni di lavoro. Strumenti di supporto alla didattica: lavagna e PC+proiettore, PC.

Introduzione al Machine Learning Ottimizzazione Convessa Regressione Lineare Classificazione (Logistic Regression, KNN, LDA, QDA) Generative models (Probabilità, Naive Bayes Classifiers) Sviluppo di applicazioni di Machine Learning Model selection Support Vector Machines Neural Networks Unsupervised Learning (K-means, K-medoids, EM, Factor Analysis, PCA, ICA) Applicazioni

Le conoscenze relative all’insegnamento vengono accertate attraverso una Prova orale e una Prova pratica (tesina). La prova orale prevede la discussione del progetto (tesina) presentato e due domande su argomenti scelti dal docente, e dura circa 45 minuti. La prova è volta ad accertare la compresione, da parte dello studente, degli strumenti teorici fondamentali forniti dall'insegnamento, nonchè le relazioni tra tali strumenti e le tematiche generali dell'ingegneria informatica. Il progetto presentato viene utilizzato per verificare le capacità di utilizzo di tecniche di Machine Learning per l’analisi di dati su problemi reali. Le prenotazioni alle prove di esame avvengono tramite il portale SOL: https://www.segreterie.unipg.it/ Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa

1. "The Elements of Statistical Learning", T. Hastie, R. Tibishirani, J. Friedman, Springer (free) 2. "Pattern Recognition and Machine Learning", C. M. Bishop, Springer 3. "An Introduction to Statistical Learning, with application in R", G. James, D. Witten, T. Hastie, R. Tibshirani, Springer (free) 4. "Python Machine Learning", S. Raschka, PACKT Publishing 5. N. Cristianini, J. Shawe-Taylor, An Introduction to Support Vector Machines, Cambridge Univ. Press, 2000 6. R.O. Duda, P.E. Hart,D.G. Stork, Pattern Classification, 2nd ed., Wiley, 2012 Dispense a cura del docente disponibili su UNISTUDIUM - PIATTAFORMA DI E-LEARNING DELL'UNIVERSITÀ DEGLI STUDI DI PERUGIA (https://www.unistudium.unipg.it/unistudium/ )

Al termine del corso, ci si aspetta che gli studenti siano in grado di: - comprendere la natura dell'economia globale, le sue cause e conseguenze, e la sua rilevanza per le attività commerciali internazionali - analizzare come e perché le imprese intraprendono attività commerciali internazionali, apprezzando i benefici e i costi di tali scelte di internazionalizzazione - collegare le strategie delle imprese al quadro più ampio dell'economia globale

Questo corso mira a offrire una prospettiva integrata sul ruolo delle nazioni e delle imprese nell'economia globale e a servire da introduzione al business internazionale, inclusa una discussione sugli elementi essenziali dell'economia internazionale. In particolare, il modulo ruota attorno alle domande chiave sul perché (e come) le aziende vanno all'estero e quali sono le conseguenze dell'attività commerciale internazionale per le nazioni, le aziende e le persone dell'economia globale.

Lezioni frontali, discussione di casi e attività di lavoro di gruppo

L'economia globale: concetti e fatti Bilancia dei pagamenti Commercio, vantaggio comparato e concorrenza Il ruolo dell'impresa nella moderna teoria del commercio internazionale Imprese, localizzazione e distanza Imprese multinazionali Catene globali del valore Politica commerciale Management internazionale

Esame scritto

Beugelsdijk, S., Brakman, S., Garretsen, H., van Marrewijk, C., & Murtinu, S. (2023). International Economics and Business: Nations and Firms in the Global Economy (3rd ed.). Cambridge: Cambridge University Press. L'elenco completo delle letture di riferimento sarà comunicato all'inizio del secondo semestre

Conoscere gli elementi costitutivi di un sistema elettrico e le loro caratteristiche tecniche ed economico/gestionali. Conoscere i meccanismi di funzionamento di sistemi fotovoltaici, definirne modelli circuitali e algoritmi di ottimizzazione. Conoscere i meccanismi di funzionamento del mercato elettrico con particolare attenzione a quello Nazionale. Utilizzo di tecniche di analisi numerica per risolvere problemi di ottimizzazione e gestione dei sistemi elettrici dal punto di vista tecnico, economico e gestionale.

Tecniche di ottimizzazione di problemi in ingegneria. Reti elettriche, sistemi elettrici e componenti. Sistemi fotovoltaici: modellazione e algoritmi di ottimizzazione e gestione di impianti PV. Il mercato elettrico: modelli di gestione e ottimizzazione. Esempi pratici di approccio ai problemi mediante analisi numeriche.

Analisi numeriche e tecniche di modellazione di base. Sistemi elettrici. Esame di: FACILITY PLANNING AND DESIGN - Electrical Systems

Lezioni frontali, Esercitazioni numeriche, Modellazioni analitiche

• Principi di analisi numerica e modellazione; problemi di ottimizzazione in ingegneria - Richiami e approfondimenti su: circuiti elettrici, definizioni, correnti, tensioni, potenze, metodi di analisi nel dominio della frequenza, reti elettriche, sistemi di energia elettrica, gestione di reti e sistemi elettrici, generazione distribuita e rinnovabili - Energia solare e modellazione: celle, moduli e pannelli fotovoltaici; modello a singolo diodo; identificazione e interpolazione; inseguimento del punto di massima potenza MPPT; invecchiamento e ombreggiamenti. - Il mercato elettrico: domanda e offerta; benessere sociale e flessibilità; dal monopolio alla liberalizzazione; equilibrio economico di mercato; mercato centralizzato e perdite - Esempi di software, strumenti e piattaforme per l'applicazione di tecniche di analisi numerica per il fotovoltaico, i sistemi elettrici e il mercato dell'energia - Casi di studio quali, ad esempio, definizione di modelli di ottimizzazione e gestione di comunità energetiche rinnovabili (CER) dal punto di vista tecnico (dimensionamento degli impianti PV e accumulo) ed energetico (massimizzazione dei benefici economico/sociali).

Esame orale; possibilità di test a risposta multipla o aperta; valutazione mediante voto finale

Dispense e materiale didattico a cura del docente

L'obiettivo del corso consiste nel fornire le conoscenze basilari per la progettazione e la gestione di una supply chain, al fine di ottimizzarne le performances in termini di riduzione costi e soddisfacimento del livello di servizio richiesto. Le principali conoscenze acquisite saranno: definizioni e classificazioni di supply chain, dei drivers e delle metriche per la misura delle performances. Conoscenze teoriche relative alla progettazione delle reti distributive Conoscenze teoriche relative alla progettazione dei nodi della supply chain attraverso modelli di programmazione mista intera. Conoscenze teoriche sulle caratteristiche di specifiche supply chain, quali quelle relative a item deperibili o stagionali. Conoscenze teoriche sui fattori che influenzano le scelte decisionali nella progettazione dei trasporti. Le principali abilità saranno: applicazione di tecniche di previsione su dati storici per il calcolo dei fabbisogni futuri Capacità di stesura del piano di domanda e di pianficazione delle operations (S&OP) Capacità di dimensionare politiche di gestione delle scorte per item deperibili o stagionali Capacità di implementare algoritmi per l’ottimizzazione dei viaggi.

La strategia della supply chain Progettazione della supply chain I processi di domanda e di approvvigionamento nella Supply Chain Gestione delle scorte nella Supply Chain Pianificazione dei Trasporti

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, integrali indefiniti, funzioni a più variabile, massimi e minimi vincolati; - funzioni densità di probabilità, concetti base di statistica. E' inoltre importante aver sostenuto con successo un esame di progettazione di Impianti industriali e di gestione dei sistemi produttivi.

Il corso è organizzato nel seguente modo: - lezioni teoriche in aula su tutti gli argomenti del corso - workshop da svolgere a casa consegnabili attraverso 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

Introduzione Comprendere la Supply Chain — Obiettivi, fasi decisionali, processi - Che cos’è una supply chain? - L’obiettivo di una supply chain. - Le fasi decisionali in una supply chain. - I processi della supply chain. Scorte Cicliche: Economie di Scala nella Supply Chain - Sconti sulla quantità per aumentare i profitti complessivi della supply chain; - Sconti sulla quantità per prodotti per i quali l’impresa detiene potere di mercato; - Sconti di breve periodo: promozioni; - Scorte cicliche nelle supply chain multilivello. Scorte di Sicurezza: Gestire l’Incertezza nella Supply Chain - Fattori che influenzano le scorte di sicurezza; - Aggregazione della domanda per progettare reti distributive; - Aggregazione selettiva della domanda: specializzazione; - Postponement e comunanza dei componenti; - Aggregazione virtuale della domanda attraverso la condivisione delle informazioni; - Aggregazione della domanda considerando la sostituibilità dei prodotti. Supply Chain a Rifornimento Singolo - “Newsvendor”: definizione della disponibilità ottimale per massimizzare i profitti; - “Quick response”: il valore della velocità nella supply chain; - Il valore del “postponement” nelle supply chain a rifornimento singolo; - Condivisione del rischio nella supply chain; - Derivazioni matematiche per il modello del newsvendor. Allineamento Strategico in una Supply Chain - Strategie competitive aziendali e strategia della supply chain; - Come viene realizzato l’allineamento strategico? - Leve della supply chain per affrontare l’incertezza; - Estensione dell’ambito dell’allineamento strategico. Driver e Metriche della Supply Chain Un quadro di riferimento per le decisioni relative alla supply chain; - Impianti; - Scorte; - Trasporto; - Informazioni; - Approvvigionamento; - Prezzi. Progettazione delle Reti Distributive - Fattori che influenzano la progettazione della rete distributiva; - Possibili configurazioni della rete distributiva; - Vendita al dettaglio online e omnicanale; - Il ruolo della progettazione della rete nella supply chain; - Fattori che influenzano la progettazione della rete nella supply chain; - Quadro di riferimento per la progettazione della rete. Modelli Matematici per la Progettazione delle Reti di Supply Chain - Modelli per progettare una rete regionale; - Modelli per individuare possibili localizzazioni all’interno di una regione; - Modelli per l’allocazione della domanda e la localizzazione degli impianti. L’Impatto della Globalizzazione sulle Reti di Supply Chain - L’importanza del costo totale nelle reti globali; - Gestione del rischio nelle supply chain globali; - Alberi decisionali per la progettazione della rete; - Il valore della flessibilità in una supply chain in condizioni di incertezza. Pianificazione Aggregata in una Supply Chain - Il ruolo della pianificazione aggregata in una supply chain; - Strategie di pianificazione aggregata; - Il problema della pianificazione aggregata; - Pianificazione aggregata mediante programmazione lineare.

L'esame consiste in una prova scritta e una prova orale. Lo scritto consiste in un esercizio sulla parte di programma relativa ai modelli matematici nella supply chain,ed ha una durata di circa 1h 30m La prova orale ha una durata indicativa di 30minuti. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa

S. Chopra, P. Meindl – Supply Chain Management – Pearson L. Tiacci - Gestione delle scorte nella Supply Chain - Modelli matematici e loro applicazione - SECONDA EDIZIONE

Alla fine del corso, gli studenti saranno in grado di: • Comprendere i sistemi climatici e i fattori che determinano i cambiamenti ambientali • Valutare gli indicatori di sostenibilità ed effettuare analisi del ciclo di vita • Analizzare i quadri normativi e applicare strumenti di politica ambientale • Valutare criticamente l’impatto ambientale delle infrastrutture • Comunicare efficacemente soluzioni alle sfide della sostenibilità

Conoscere i principi della trasformazione digitale e verde di processi e sistemi di produzione. Capire come l’introduzione di macchine e sistemi di produzione intelligenti stia impattando le tre dimensioni economica, sociale ed ambientale della sostenibilità.

Questo corso offre agli studenti una comprensione multidisciplinare del cambiamento climatico, della sostenibilità e della gestione ambientale nel contesto della pianificazione e progettazione delle infrastrutture. Gli studenti esplorano le dimensioni sociali, scientifiche e politiche della sostenibilità e vengono introdotti a strumenti per valutare e gestire l’impatto ambientale delle soluzioni ingegneristiche. Il corso pone enfasi sulla resilienza climatica, sulla responsabilità etica e sugli obiettivi di sostenibilità a lungo termine nello sviluppo infrastrutturale e urbano.

Il modulo copre concetti chiave alla base della rivoluzione in atto, causata dalla graduale adozione di macchine e sistemi di produzione intelligenti. L’impatto del concetto generale di “smart manufacturing” sulle tre dimensioni della sostenibilità (sociale, economico ed ambientale) è illustrato e discusso. Il modulo ha inizio con l’introduzione agli aspetti principali legati alla digitalizzazione nel mondo del manufacturing. Poi si passa ai sistemi cyber-fisici ed ai principi di Industria 4.0, con attenzione particolare alla integrazione delle tecnologie di machine learning, AI più in generale, blockchain, and digital shadowing/ twinning. Successivamente, l’evoluzione verso Industria 5.0 è discussa, unitamente al rinnovato interesse nei confronti degli aspetti che mettono al centro l’uomo e l’attenzione all’ambiente, con una panoramica delle sfide future.

È consigliata una conoscenza di base della scienza ambientale e del pensiero sistemico per comprendere appieno i contenuti del corso.

Nessuno

• Lezioni teoriche in aula • Elaborati individuali o di gruppo su casi di studio legati alla sostenibilità

Lezioni frontali

Introduzione alla Sostenibilità • Che cos’è la sostenibilità? • Consumo umano e limiti alla crescita • Principali sfide legate alla sostenibilità Clima e Cambiamenti Globali • Fondamenti del sistema climatico: controlli interni/esterni • Cambiamento climatico moderno e proiezioni future Ecosistemi, Risorse Fisiche e Inquinamento Ambientale • Fornitura di acqua dolce e ciclo dell’acqua • Inquinamento idrico e principali disastri ambientali • Estrazione di risorse minerarie e impatti • Biodiversità e servizi ecosistemici • Sostenibilità del suolo e vulnerabilità degli ecosistemi Gestione Ambientale Moderna • Evoluzione della regolamentazione ambientale nell’UE • Sistemi di gestione dei rifiuti • Governo e diritto ambientale • Valutazione del rischio per soluzioni sostenibili • Responsabilità del produttore Indicatori e Strumenti di Sostenibilità • Analisi del Ciclo di Vita (LCA) e metodi derivati • Impronte: carbonio, ecologica e idrica • Indicatori ambientali e sistemi di valutazione della sostenibilità • Casi studio sulle emissioni di gas serra e sostenibilità nelle università Etica, Cultura e Infrastrutture Sostenibili • Prospettive storiche ed etiche sulla sostenibilità • Industrializzazione e ambiente • Principi delle città sostenibili e della pianificazione urbana • Sistemi di trasporto e gestione delle acque meteoriche

Parte I – Digital manufacturing Modelli digitali e simulazioni numeriche di processi di produzione: fusione, deformazione plastica, asportazione di materiale, manifattura additiva, processi di giunzione, montaggio. Modelli digitali e simulazioni numeriche di sistemi di produzione: simulazione agli eventi discreti e simulazione continua. Parte II – Fondamenti di Industria 4.0 Concetti ed obiettivi di Industria 4.0: customizzazione di massa, flessibilità, produttività ed efficienza, risposta ai cambiamenti demografici. Fondamenti tecnologici: internet of things, sistemi cyber-fisici, blockchain, impatto sui processi e sistemi di produzione avanzati. Il ruolo fondamentale della manifattura additiva. Parte III – Macchine e sistemi di produzione intelligenti Multisensorizzazione ibrida e fusione, inclusa visione 2D/3D. Monitoraggio e controllo di processo a bordo macchina, ottimizzazione adattativa. Uso di tecnologie AI nelle macchine e sistemi di produzione intelligenti: shallow learning, deep learning, reinforcement learning e altre tecnologie IA. Digital shadowing e digital twinning in produzione. Modellazione data-driven di processi e sistemi di produzione mediante uso di tecnologie di machine learning e system identification. Sistemi intelligenti di ispezione. Dispositivi per la metrologia volumetrica, geometrica e di superfici, e loro integrazione nei sistemi di produzione intelligenti. Parte IV – introduzione a industria 5.0 Le tre dimensioni della sostenibilità: ambientale, sociale ed economica e le relazioni con la produzione industriale. Introduzione alla transizione verde ed al Green Deal Europeo. Ottimizzazione dei processi di produzione e relazioni con la sostenibilità. Convergenza delle transizioni digitale e verde. Migrazione da industria 4.0 a 5.0 nei processi di manifattura ed ispezione. Strategie chiave di industria 5.0: centralità dell’uomo, resilienza e sostenibilità, e relazioni con il manufacturing di prossima generazione.

La valutazione finale comprende un esame scritto e una breve relazione. L'esame scritto consiste in domande a scelta multipla volte a valutare la comprensione dei principali argomenti teorici e applicati del corso, tra cui i principi della sostenibilità, le politiche ambientali, il cambiamento climatico e la gestione delle risorse. Gli studenti devono inoltre presentare una breve relazione scritta su un tema attinente al corso, sviluppata in piccoli gruppi. La relazione deve dimostrare la capacità di applicare i concetti del corso a contesti pratici o basati su casi di studio e deve essere consegnata prima dell'esame. Entrambe le componenti sono obbligatorie e contribuiscono al voto finale. Gli studenti che ottengono un punteggio pari o superiore a 26 nell’esame scritto possono richiedere di sostenere un esame orale facoltativo.

Esame finale

Appunti del docente / Lezioni (pdf)

Dispense fornite dal docente

Al termine del corso, lo studente sarà in grado di: 1. Strutturare problemi decisionali complessi identificando stakeholder, obiettivi, criteri e alternative, applicando i principi del Value-Focused Thinking. 2. Applicare i principali metodi Multi-Criteria Decision Making (AHP, TOPSIS, PROMETHEE) per valutare e classificare alternative in presenza di criteri conflittuali. 3. Valutare la robustezza delle decisioni attraverso analisi di sensitività e scenario analysis. 4. Selezionare criticamente gli strumenti analitici più appropriati e comunicare raccomandazioni manageriali basate su analisi quantitative.

Il modulo offre una prospettiva di Analytics applicata all'Ingegneria Gestionale, focalizzata sul supporto alle decisioni in contesti reali caratterizzati da obiettivi multipli, incertezza e interessi conflittuali. Il corso introduce i fondamenti del decision making organizzativo, le teorie della razionalità limitata e le tecniche di strutturazione dei problemi decisionali (Value-Focused Thinking). Vengono affrontati i concetti di trade-off, dominanza, efficienza paretiana e frontiera di Pareto. La parte centrale è dedicata ai metodi Multi-Criteria Decision Making (MCDM): AHP, TOPSIS, PROMETHEE ed ELECTRE. Per ciascun metodo vengono discussi assunzioni, vantaggi e limiti, con applicazioni a supplier selection, technology assessment, supply chain design e sostenibilità. Una sezione specifica è dedicata alle decisioni in condizioni di incertezza, con introduzione a sensitivity analysis, scenario analysis e simulazione Monte Carlo. Nella parte finale, gli studenti applicano i metodi studiati a problemi reali di procurement, supply chain management, valutazione della sostenibilità e transizione verso l'economia circolare.

Competenze di base in algebra lineare, statistica descrittiva e probabilità elementare. Conoscenza dei fondamenti della Ricerca Operativa, inclusa la capacità di riconoscere e formulare un problema di ottimizzazione lineare. Familiarità con linguaggi di programmazione (a livello base).

Il modulo si articola in lezioni frontali ed esercitazioni guidate per un totale di 48 ore di didattica. Le lezioni combinano spiegazioni teoriche, discussione di casi ed esempi applicativi, supportate da presentazioni in PowerPoint, utilizzo della lavagna e di software applicativi. Le esercitazioni sono incentrate sulla risoluzione di problemi quantitativi, sull'analisi di casi di studio reali e su laboratori pratici. Dal punto di vista software, il corso utilizza principalmente: Excel per applicazioni MCDM di base; Python (Jupyter Notebook) per attività di simulazione, visualizzazione e analisi di sensitività (con script già predisposti); Decision Radar (strumento web) per esercitazioni rapide su TOPSIS, ELECTRE e altri metodi MCDM. Tutti i materiali didattici, incluse slide, esercizi, dataset, script Python e letture integrative, saranno resi disponibili attraverso la piattaforma di e-learning dell'Ateneo.

Il modulo sarà articolato secondo la seguente struttura indicativa. Settimana 1: Introduzione ai processi decisionali nelle organizzazioni. Management Science e Decision Support Systems. Herbert Simon e la razionalità limitata. Strutturazione dei problemi decisionali: identificazione di stakeholder, obiettivi e criteri. Introduzione al Value-Focused Thinking. Settimana 2: Trade-off tra obiettivi conflittuali. Dominanza, efficienza paretiana e frontiera di Pareto. Introduzione ai modelli multi-obiettivo: formulazione a somma pesata. Goal Programming: formulazione di base e applicazioni. Settimana 3: Panoramica dei metodi Multi-Criteria Decision Making (MCDM). Classificazione dei metodi: approcci compensatori e non compensatori. Introduzione all'Analytic Hierarchy Process (AHP). Costruzione della gerarchia, giudizi pairwise e calcolo dei pesi. Verifica della consistenza. Settimana 4: Esercitazione su AHP con Excel. Applicazione a un caso di supplier selection o technology assessment. Discussione dei risultati e analisi di sensitività sui pesi. Esercitazione guidata con strumenti software. Settimana 5: Il metodo TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). Assunzioni, algoritmo e interpretazione dei risultati. Vantaggi e limiti rispetto ad AHP. Esercitazione su TOPSIS con Excel e software dedicati. Settimana 6: I metodi di outranking: PROMETHEE e ELECTRE. Assunzioni teoriche e differenze metodologiche. Flussi di preferenza, grafici e indici di outranking. Quando usare PROMETHEE vs. ELECTRE. Criteri per la selezione del metodo MCDM appropriato. Settimana 7: Esercitazione su PROMETHEE. Applicazione a un caso di supply chain design o valutazione di sostenibilità. Discussione dei risultati e analisi di sensitività. Settimana 8: Decisioni in condizioni di incertezza. Rischio vs. incertezza. Analisi di sensitività. Scenario analysis. Introduzione alla simulazione Monte Carlo per la valutazione della robustezza delle decisioni. Settimana 9: Esercitazione su analisi di sensitività e scenario analysis. Utilizzo di Python (Jupyter Notebook) con script pre-configurati per visualizzare l'impatto dell'incertezza sui risultati MCDM. Simulazione Monte Carlo semplice. Settimane 10 e 11: Applicazioni integrate a problemi di management. Strategic procurement: selezione di fornitori con criteri multipli. Supply chain design: valutazione di configurazioni alternative. Sostenibilità e circular economy: valutazione di iniziative green. Discussione di casi reali.

1. Esame Finale Scritto (50% 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 complessa. 2. Individual Coursework (50% del voto finale): Applicazione individuale di un metodo MCDM a un problema manageriale assegnato dal docente. L'elaborato include la strutturazione del problema, l'applicazione del metodo scelto, l'analisi dei risultati e una riflessione critica sui limiti dell'approccio adottato. È prevista una prova orale, che prende avvio dalla presentazione dei risultati del progetto.

Testi principali di riferimento: Goodwin, P. & Wright, G. (2014). Decision Analysis for Management Judgment. Wiley. (recommended supplementary reading for the decision making and cognitive biases part) Wang, Z. & Rangaiah, G.P. (2026). Multi-Criteria Decision-Making: Principles, Methods and Programs. CRC Press. Ulteriori letture saranno selezionate dalla letteratura scientifica internazionale, con particolare riferimento ai contributi di Herbert Simon, Bernard Roy e Thomas Saaty. Materiale didattico aggiuntivo (slide, casi studio, esercizi, dataset, script Python) sarà fornito dal docente durante il corso e reso disponibile sulla piattaforma e-learning dell'Ateneo.

Il corso illustra alcune tecniche di base per la visualizzazione dell'informazione, con particolare enfasi su metodi e modelli algoritmici. Si pone l'obiettivo di approfondire la conoscenza degli studenti su problemi di ingegneria degli algoritmi e di ottimizzazione su reti; tali conoscenze vengono quindi applicate a problemi di visualizzazione dell'informazione di varia natura e con forte connotazione pratica. Le competenze acquisite dagli studenti in questo corso hanno utilità in svariati contesti industriali, in particolare nell'ambito del trattamentoi dei Big Data e nello sviluppo di tecnologie informatiche per la Data Science.

Introduzione alla visualizzazione dell'informazione e sue applicazioni. Introduzione alla progettazione di sistemi per l'analisi visuale dei dati. Modello annidato e modello lineare. Modellazione dei dati, modellazione dei task, principi della percezione, idiomi visuali, progettazione delle interazioni, scelte tecnologiche, librerie e interfacce grafiche. Algoritmi per l'analisi visuale dei dati: tabelle, dati spaziali e dati relazionali. Algoritmi per il disegno di grafi: alberi, disegni straight-line, disegni polyline e disegni ortogonali.

Il corso si colloca al quinto anno di un curriculum didattico che prevede una laurea di primo livello nella classe L08 (ingegneria informatica o affine) ed un primo anno di laurea magistrale nella classe LM32 (ingegneria informatica o affine). Pertanto, si prevede che gli studenti che frequentano il corso abbiano competenze sugli argomenti tipicamente trattati in tali corsi di studio. In particolare, durante le lezioni si faranno riferimenti a temi di: Fondamenti di informatica; basi di dati, architetture e sistemi operativi; informatica grafica; ingegneria del software; informatica teorica; algoritmi e strutture dati.

La didattica prevede tre tipi di lezioni: Lezioni teoriche frontali in aula su tutti gli argomenti del corso. Agli studenti verrà fornita in anticipo copia delle diapositive utilizzate dal docente a lezione tramite area riservata del corso. Studi di caso in aula, durante i quali si considerano problemi progettuali di visualizzazione dell'informazione. Lezioni pratiche durante le quali gli studenti apprendono i principi fondamentali per la realizzazione di sistemi di analisi visuale.

Il corso illustra alcune tecniche di base per la visualizzazione dell'informazione, con particolare enfasi su metodi e modelli algoritmici. Il corso si articola su 36 lezioni di due ore ciascuna. Il programma è elencato nel seguito, indicando per ogni lezione l'argomento in essa trattato. Lez.1 Introduzione alla visualizzazione dell'informazione. Lez.2 Modelli di progetto: modello annidato e modello lineare. Lez.3 Modellazione dei dati. Lez.4 Modellazione dei task. Lez.5 Principi della percezione. Lez.6 Idiomi visuali (parte I). Lez.7 Idiomi visuali (parte II). Lez.8 Progettazione delle interazioni. Lez.9 Scelte tecnologiche. Lez.10 Librerie e interfacce grafiche. Lez.11 Convex hull e 1D range search. Lez.12 2D range search. Lez.13 Blocchi. Lez.14 Treemap. Lez.15 Disegni di alberi (parte I). Lez.16 Disegni di alberi (parte II). Lez.17 Metodi force directed (parte I). Lez.18 Metodi force directed (parte II). Lez.19 Disegni polyline di grafi diretti (parte I). Lez. 20 Disegni polyline di grafi diretti (parte II). Lez. 21 Disegni polyline di grafi diretti (parte III). Lez. 22 Disegni polyline di grafi diretti (parte IV). Lez. 23 Introduzione e richiami sulla planarità. Lez. 24 Test di planarità e planarizzazione. Lez. 25 Richiami sulle tecniche di flusso. Lez. 26 Disegni ortogonali (parte I). Lez. 27 Disegni ortogonali (parte II). Lez. 28 Disegni ortogonali (parte III). Lez. 29 Disegni ortogonali (parte IV). Lez. 30 Disegni ortogonali (parte V). Lez. 31 Minimizzazione della lunghezza degli archi. Lez. 32 Esempio di progetto. Lez. 33 Introduzione a D3.js. Lez. 34 D3 - lavorare con i dati (parte I). Lez. 35 D3 - lavorare con i dati (parte II). Lez. 36 D3 - force directed.

Esame orale di natura teorica e applicativa, che comprende anche la discussione di un progetto. Durata: 30-45 minuti. Punteggio: 30/30. Obiettivo: accertare le conoscenze sui concetti teorici impartiti nell'insegnamento e valutare abilità pratiche e competenze ingegneristiche nell'applicazione di tali concetti su casi d'uso concreti. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa

• T. Munzner, Visualization Analysis and Design. A K Peters Visualization Series, CRC Press, 2014. - G. Di Battista, P. Eades, R. Tamassia and I. Tollis, Graph Drawing: Algorithms for the Visualization of Graphs. Prentice-Hall, 1999.

Al termine del corso, lo studente sarà in grado di: 1. Analizzare criticamente il ruolo dell'innovazione tecnologica come motore dello sviluppo economico, identificando i meccanismi di "distruzione creatrice" e i cicli di lungo periodo (Schumpeter, Polanyi). 2. Applicare le prospettive della sociologia della tecnologia (SCOT, Actor-Network Theory) per comprendere come le tecnologie siano socialmente costruite e co-evolvano con le pratiche organizzative. 3. Valutare le implicazioni distributive dell'innovazione, analizzando chi trae beneficio e chi sostiene i costi delle trasformazioni tecnologiche, con particolare riferimento all'automazione, al platform capitalism e all'AI. 4. Analizzare il ruolo dell'innovazione nelle transizioni verso la sostenibilità, valutando criticamente i limiti delle soluzioni tecnologiche e il potenziale di approcci alternativi (green innovation, circular economy, degrowth). 5. Comprendere il cambiamento organizzativo come risposta alle pressioni tecnologiche e sociali, sviluppando capacità di analisi dei processi di trasformazione all'interno delle organizzazioni.

Il corso adotta una prospettiva critica e interdisciplinare sull'innovazione tecnologica e il cambiamento organizzativo. A differenza dei corsi tradizionali di Innovation Management, che si concentrano prevalentemente su processi, R&D e strategie di innovazione, questo modulo si interroga sulle dinamiche più profonde dell'innovazione: come trasforma economie, organizzazioni e società; chi trae beneficio e chi sostiene i costi; e se le attuali traiettorie di innovazione siano sostenibili e socialmente desiderabili. Il corso esplora quattro prospettive complementari: l'innovazione come motore dello sviluppo economico (Schumpeter, Polanyi), l'innovazione come processo socialmente costruito (SCOT, Actor-Network Theory), l'innovazione come arena di potere e conflitto (Marx, platform capitalism, AI), e il ruolo dell'innovazione nella transizione verso la sostenibilità (post-growth, green innovation, degrowth). Il cambiamento organizzativo viene analizzato come il meccanismo attraverso cui le trasformazioni tecnologiche e sociali si traducono in cambiamenti reali all'interno delle organizzazioni.

Conoscenza dei fondamenti dell'organizzazione aziendale e del management strategico, acquisita al primo livello.

Il corso si articola in lezioni frontali e discussioni guidate per un totale di 72 ore di didattica. Le lezioni combinano spiegazioni teoriche con la discussione di casi e letture critiche.

Il corso si articola nei seguenti contenuti. Parte I: L'Innovazione come Trasformazione Economica Settimana 1: Introduzione al corso. Perché l'innovazione è centrale per il capitalismo? Limiti dei modelli convenzionali. Schumpeter e la "distruzione creatrice". L'imprenditore come agente del cambiamento. I cicli lunghi di Kondratiev. Polanyi e la "grande trasformazione". Il mercato come costruzione sociale. Le merci fittizie e il "doppio movimento". Schumpeter vs Polanyi: due visioni a confronto. Change Management: come le imprese rispondono ai cicli schumpeteriani. Domanda guida: L'innovazione è sempre benefica per l'economia? Visioni eterodosse: l'innovazione come discorso. Esercitazione: discussione su un'innovazione contemporanea attraverso le lenti di Schumpeter e Polanyi. Parte II: L'Innovazione come Processo Sociale Settimana 2: Introduzione alla sociologia della tecnologia. Perché le tecnologie non sono "neutrali"? La costruzione sociale della tecnologia (SCOT). Il caso della bicicletta. Actor-Network Theory (ANT). Come gli attori umani e non-umani si associano per creare innovazione. Sistemi socio-tecnici. Change Management: come le organizzazioni adottano (o resistono a) nuove tecnologie. Domanda guida: Chi (o cosa) guida l'innovazione? Visioni eterodosse: la tecnologia come "discorso" che incorpora valori e interessi. Esercitazione: analisi di un caso tecnologico usando SCOT o ANT. Parte III: Innovazione, Potere e Capitalismo Settimana 3: Marx e la macchina. Il lavoro e la tecnologia nel capitalismo industriale. La sostituzione del lavoro e la creazione di plusvalore. L'automazione e il futuro del lavoro. Acemoglu & Restrepo: la tensione tra sostituzione e "reinstatement". L'AI come tecnologia "de-skilling"? Change Management: come le organizzazioni gestiscono (o subiscono) le trasformazioni tecnologiche. Domanda guida: L'automazione è inevitabile? È desiderabile? Visioni eterodosse: la tecnologia come strumento di controllo e disciplina. Esercitazione: dibattito su un caso di automazione. Settimana 4: Platform Capitalism e Data Capitalism. Srnicek: come le piattaforme digitali trasformano il capitalismo. L'estrazione dei dati come nuova forma di valore. Chi cattura il valore dell'innovazione? Le disuguaglianze generate dall'innovazione. Change Management: il ruolo del lavoro, della resistenza e del conflitto nelle trasformazioni organizzative. Domanda guida: L'innovazione crea o riduce le disuguaglianze? Visioni eterodosse: la "promessa" dell'innovazione come ideologia. Esercitazione: analisi di un caso di platform economy. Parte IV: Innovazione e Sostenibilità Settimana 5: Introduzione alla sostenibilità e alle transizioni. Perché l'innovazione non è sufficiente per risolvere la crisi ecologica? I limiti della "green innovation". La prospettiva multi-livello (MLP) di Geels. Come avvengono le transizioni socio-tecniche. Change Management: come le organizzazioni rispondono alle pressioni per la sostenibilità. Domanda guida: L'innovazione verde è sufficiente per la transizione ecologica? Visioni eterodosse: il mito della "soluzione tecnologica". Esercitazione: analisi di un caso di transizione energetica. Settimana 6: Oltre la crescita: post-growth, decrescita e doughnut economics. Jackson, Hickel, Raworth. Innovazione e decrescita. Change Management: la transizione come cambiamento sistemico – il ruolo dei manager nella transizione verso un'economia sostenibile. Domanda guida: Possiamo avere innovazione senza crescita? Visioni eterodosse: la decrescita come sfida al paradigma dell'innovazione. Esercitazione: dibattito su "Innovazione e decrescita sono compatibili?". Parte V: Applicazioni e Sintesi Settimana 7: Caso 1 – Automotive in transizione: L'industria automobilistica tra elettrificazione, automazione e sostenibilità. Applicazione integrata delle prospettive del corso. Change Management: come le aziende automotive gestiscono la transizione. Esercitazione: analisi di un caso reale (es. Tesla, Volkswagen, Toyota). Settimana 8: Caso 2 – AI e il futuro del lavoro: L'impatto dell'AI su settori e professioni. Chi beneficia? Chi viene sostituito? Change Management: come le organizzazioni gestiscono l'adozione dell'AI. Esercitazione: dibattito strutturato su "L'AI è un progresso per la società?". Settimana 9: Caso 3 – Platform Economy: L'ascesa delle piattaforme digitali. Lavoro, dati e potere. Change Management: come le organizzazioni si trasformano in piattaforme. Esercitazione: analisi di un caso reale (es. Uber, Amazon, Airbnb). Settimana 10: Caso 4 – Innovazione e sostenibilità: La transizione energetica. L'economia circolare. L'innovazione sociale. Change Management: come le organizzazioni rispondono alle pressioni per la sostenibilità. Esercitazione: analisi di un caso reale (es. Patagonia, Interface, Enel). Settimana 11: Laboratorio di sintesi: Collegare le quattro prospettive. L'innovazione come fenomeno multidimensionale. Domanda finale: Qual è il ruolo del manager nell'era dell'innovazione? Change Management: come i manager poassono navigare la complessità dell'innovazione. Esercitazione: preparazione del project work. Settimana 12: Presentazioni dei project work e discussione finale. Sintesi del corso. Valutazione e feedback.

1. Individual Essay Work (50% del voto finale): Un elaborato individuale su un tema di innovazione e cambiamento organizzativo scelto in accordo con il docente. L'elaborato richiede l'applicazione di almeno due delle prospettive teoriche del corso a un caso reale o a una questione contemporanea. 2. Esame Finale Orale (50% del voto finale): Un colloquio orale volto a verificare la comprensione dei concetti teorici e la capacità di collegare criticamente le diverse prospettive del corso.

Una raccolta di letture selezionate sarà fornita dal docente settimana per settimana. I testi saranno tratti dai seguenti autori e opere: Acemoglu, D. & Restrepo, P. (2019). "Automation and New Tasks". Journal of Economic Perspectives. Bijker, W.E., Hughes, T.P. & Pinch, T. (Eds.) (1987). The Social Construction of Technological Systems. (Selezione). Geels, F.W. (2011). "The multi-level perspective on sustainability transitions". Research Policy. Jackson, T. (2009). Prosperity Without Growth. (Selezione). Marx, K. (1867). Capital, Volume I. (Selezione). Polanyi, K. (1944). The Great Transformation. (Selezione). Raworth, K. (2017). Doughnut Economics. (Selezione). Schumpeter, J.A. (1942). Capitalism, Socialism and Democracy. (Selezione). Srnicek, N. (2017). Platform Capitalism. (Selezione). Ulteriori letture e materiali (slide, casi studio, estratti, video) saranno resi disponibili sulla piattaforma e-learning dell'Ateneo.

Introdurre lo studente alle problematiche della gestione di un progetto: dal controllo dei costi e del tempo, alla gestione dell persone, dei conflitti e delle comunicazioni. L'uso delle tecniche reticolari.

Introduzione al Project Management. Lo sviluppo del Project Management Le fasi e i ruoli del Project Management L'organizzazione del PM. La Pianificazione del progetto. La Work Breakdown Structure. Le tecniche Reticolari.

Sono consigliati i corsi di base dell'ingegneria industriale per poter meglio inquadrare le problematiche del Project Managament dal punto di vista ingegneristico

Lezioni frontali

Note Introduttive. Le certificazioni del Project Management. Cosa è il Project Management La figura del Project Sponsor il PM nel tempo. Il triangolo dei Talenti. il ruolo del PM. la Maturity nel PM. Definizione di Project Management. Le attività del PM. La posizione del PM nell'organizzazione. il PM e i Line Manager, il Project Sponsor. Lo sviluppo del Project Management Storia del Project Management. I rischi e gli ostacoli. PM lo sviluppo, gli insuccessi, le evoluzioni. Le fasi del Maturity Life Cycle. Definizione di Sistema, Progetto Programma. Maturità ed Eccellenza, Fasi di un progetto, Analisi Costi e Benefici. Il controllo in itinere. L'organizzazione orientata al PM. Organizzazione classica funzionale, la Pure Project Matrix. il PMO e il PM Team. PM e funzioni del Management. PM la gestione delle comuncazioni e dei conflitti. La Panificazione del progetto. Definizione, efficacia, Ruoli e responsabilità. lo Statement of Work SOW. La work breakdown structure. Esempi. Le tecniche Reticolari Intorduzine e Basi. Analisi e Valutazioni. Analisi GRAFICA. La slipchart. La stima dei tempi. Il Regime probabilistico. IL CPM, IL PERT, il PNET, la simulazione.

Il livello di apprendimento si base sia su quiz, sia su esercizi sia su esame orale

Erik W. Larson, Clifford F. Gray, Project management: the managerial process,2023 PMBOK Guide, The Project Management and A Guide to the Project Management Body of Knowledge, 2021 Harold Kerzner Project Management, A system approach to planning, scheduling and controllin, 12th edition, 2017 Albert Lester, Project Management, Planning and control, 7th edition, 2017