Analisi delle serie temporali dei dati di produzione della concia: il caso di un'azienda veneta

Nel contesto contemporaneo, la gestione e l'analisi dei dati aziendali rivestono un ruolo cruciale per il miglioramento dei processi produttivi e per l'ottimizzazione delle performance operative. Questa tesi ha l'obiettivo di indagare dati mai trattati fin'ora, provenienti da un'azienda italiana specializzata nella produzione di macchinari per il trattamento della concia. Uno dei principali ostacoli incontrati è stato comprendere la struttura dei dati, individuare gli outliers e gestire gli elementi anomali che avrebbero influenzato i risultati dell’analisi. Si è deciso di svolgere un'analisi delle serie storiche aggregando i dati, in quanto non equispaziati nel tempo; in questo modo è stato possibile procedere con la stima di un modello di regressione lineare per studiare la relazione tra lo spessore medio della pelle e la sua costanza nel tempo. Idealmente, lo spessore medio della pelle risulterebbe significativamente uguale a quello nominale, fissato dall'azienda, e rimarrebbe costante nel tempo. Per indagare questa ipotesi sono stati svolti 3 tipi di test: il primo è stato svolto con lo scopo di indagare l'uguaglianza tra lo spessore medio della pelle e quello nominale, portando al non rifiuto dell'ipotesi di partenza nel 45.8% dei casi. Il secondo test è stato svolto per studiare l'andamento dello spessore nel tempo, portando anche in questo caso al non rifiuto nel 42.08% delle partite. Infine, è stato eseguito un test congiunto su entrambi i parametri, per esplorare ulteriormente la relazione tra il tempo e l’effetto osservato nelle analisi, arrivando alla conclusione che solo il 3,27% delle partite risultano favorevoli a tale ipotesi. È possibile ipotizzare da questi risultati che tali distorsioni siano dovute a errori sistematici e non casuali. Infine, si è voluto comprendere se tali comportamenti dello spessore medio fossero associati alle caratteristiche del pellame; per comprendere ciò, è stata applicata sia una cluster analysis che una segmentazione supervisionata. Da queste analisi si è arrivati alla conclusione che non c’è evidenza sufficiente per dire che esiste un’associazione significativa tra i gruppi e le variabili categoriali; quindi è possibile ipotizzare che il comportamento "sbagliato" della macchina non sia dovuto a caratteristiche della pelle ma all'intervento di un operatore esterno.