Ricerca candidati per Tesi Triennali e Magistrali in azienda (contesto Internet of Things e Artificial Intelligence)
Sono alla ricerca di candidati tesisti Triennali e Magistrali in Informatica, Informatica per il Management, Artificial Intelligence o Ingegneria Informatica per lo svolgimento di tesi di progetto/ricerca in azienda (contesto dei temi a cavallo tra Internet of Things e Artificial Intelligence).
Le aziende coprono il territorio che va da Bologna a Cesena.
Se siete interessati contattatemi via email.
Alcuni esempi dei possibili contesti di tesi includono:
Ottimizzazione logistica nei trasporti
Esplorare e implementare algoritmi di ottimizzazione per la pianificazione dei trasporti, affrontando problemi complessi che includono vincoli multipli e combinazioni di soluzioni. L'obiettivo è trovare strategie ottimali per migliorare l'efficienza logistica. Il lavoro permette di approfondire aspetti di ricerca operativa applicati a scenari reali.
Ottimizzazione dei processi produttivi industriali
Studiare e sviluppare algoritmi per ottimizzare la sequenza delle operazioni di macchinari industriali, riducendo al minimo i tempi di attrezzaggio e migliorando l'efficienza del processo produttivo. La tesi prevede la realizzazione di uno schedulatore in grado di bilanciare i tempi di produzione con i vincoli degli articoli, offrendo opportunità di approfondimento nell'ottimizzazione della produzione.
AI per ottimizzare le movimentazioni di magazzino
Progettare e sviluppare algoritmi di intelligenza artificiale per ottimizzare l'assegnazione delle missioni di movimentazione merce a una flotta di carrelli. L'analisi terrà conto di variabili come la priorità delle operazioni, la posizione dei carrelli e le distanze da percorrere. Il progetto fornisce una solida base per approfondire tecniche di ottimizzazione e gestione logistica tramite AI.
Stoccaggio efficiente in magazzino
Progettare un sistema di intelligenza artificiale per proporre soluzioni di stoccaggio ottimali, basate su dati aggiornati di giacenza e previsioni di vendita. Il sistema sarà in grado di migliorare l'efficienza complessiva del magazzino, gestendo al meglio i flussi di entrata e uscita. Il progetto permette di affrontare aspetti legati alla logistica interna e alla gestione dei magazzini in chiave innovativa.
Interrogazione in linguaggio naturale di una piattaforma IoT con sistemi di forecasting
Le piattaforme AI sono strumenti sempre più usati per migliorare la produttività e ottenere insight dai dati. Questa tesi mira a sviluppare un'interfaccia in linguaggio naturale per dialogare con una piattaforma IoT integrata con sistemi di previsione, consentendo di rispondere a domande pratiche sul futuro, come stime sui costi o sulla produttività. L'obiettivo è rendere più intuitiva l'interazione con i sistemi IoT.
AI generativa per l'apprendimento da fonti diverse
Sviluppare un agente intelligente capace di acquisire e comprendere informazioni da varie fonti eterogenee come manuali, note di release, documenti tecnici e analisi di progetto, al fine di rispondere in modo efficace e preciso a domande complesse poste da specialisti di prodotto o clienti. La tesi offre ampie possibilità di esplorazione nell'ambito dell'IA e della gestione delle conoscenze aziendali.
Localizzazione in ambienti industriali con Bluetooth Low-Energy
Esaminare l'uso della tecnologia Bluetooth Low-Energy per la localizzazione di persone e oggetti all'interno di ambienti industriali, con un focus sullo sviluppo di sistemi economici e ad alta precisione. La tesi offre la possibilità di testare e integrare dispositivi di ultima generazione e di sviluppare algoritmi per il tracciamento in tempo reale, con applicazioni pratiche in diversi contesti industriali.
Sensor-fusion per la localizzazione precisa in fabbrica
Progettare algoritmi di sensor-fusion per migliorare l'accuratezza dei sistemi di localizzazione in ambienti industriali. Il progetto combina tecniche di localizzazione assoluta, come la computer vision, con approcci odometrici basati su sensori aggiuntivi, per contrastare gli effetti negativi dei fattori ambientali. Questo lavoro consente di esplorare soluzioni avanzate per migliorare la precisione dei sistemi di tracciamento.
Pubblicato il: 17 gennaio 2025