Gestire la conoscenza nei contesti Engineer to Order attraverso l'implementazione di un sistema esperto di preventivazione: il caso Leas

Il seguente elaborato deriva dall’esperienza maturata durante l’attività di tirocinio svolta presso Considi S.p.A, società con sede a Grisignano di Zocco (VI) specializzata nella consulenza direzionale e riconosciuta come leader in Italia nel campo della strategia operativa e nell’incremento delle performance aziendali. Durante il periodo di stage presso Considi, ho avuto l’opportunità di partecipare attivamente ad un progetto condotto in Leas S.p.A. (San Giorgio in Bosco, PD), azienda leader internazionale nel settore dell’automazione industriale. Il progetto di tesi ripercorre le fasi di preventivazione e offerta dell’ufficio commerciale, dimostrando come l’applicazione di strumenti di Knowledge Management integrati a sistemi di Machine Learning, siano essenziali per il costante miglioramento di tali processi aziendali. Nella prima parte della tesi, si descrivono gli approcci di Knowledge Management e Machine Learning successivamente utilizzati nel caso studio. Dopo una descrizione dell’azienda, viene presentato l’attuale processo di gestione della documentazione di commessa, analizzando nel dettaglio le criticità emerse e le aree di miglioramento. Nella seconda parte dell’elaborato, si fornisce una descrizione delle attività svolte per la creazione del database a supporto del modello di preventivazione finale e l’analisi dei dati raccolti attraverso un sistema di apprendimento autonomo supervisionato. Il risultato ottenuto consiste in uno strumento esperto di preventivazione, dimostratosi maggiormente preciso ed efficace rispetto agli attuali metodi di preventivazione aziendali.