Industrial applications of machine learning and deep learning algorithms

Questa tesi si concentra sull'applicazione di algoritmi di Machine Learning, ed in particolare di Deep Learning, per affrontare e risolvere problemi tipici del settore industriale. In particolare, tali algoritmi innovativi, tra cui Random Forest, XGBoost e reti neurali, che hanno mostrato grandi sviluppi negli ultimi anni, sono stati testati su quattro impegnativi problemi industriali di previsione. La prima applicazione riguarda la previsione dei fallimenti, un compito tradizionalmente affrontato con metodologie statistiche. Successivamente, le metodologie di Deep Learning sono testate rispetto alla gestione di sistemi ibridi per la pianificazione e il controllo della produzione. Inoltre, viene suggerita una procedura di ottimizzazione basata su tecniche statistiche per tale sistema di gestione. Infine, viene proposto un framework di previsione della domanda per l'industria della moda. Risultati interessanti sono stati raggiunti e, in tutte le occasioni, i modelli testati hanno migliorato i risultati ottenibili con tecniche statistiche più classiche. Le tecniche di Machine Learning si sono infatti dimostrate essenziali per poter affrontare problemi altrimenti difficilmente affrontabili con metodologie classiche.