Planning in manufacturing with data-driven heuristics

In this thesis, we delve into the transformative journey of the manufacturing world, highlighting its evolution from labour-intensive processes to the integration of cutting-edge technologies like digitalization and artificial intelligence. We present an original contribution to the field, proposing a novel planning approach to streamline manufacturing processes. This thesis is the product of a joint effort made possible through a successful collaboration with Agrati S.p.A., a leading company in the manufacturing sector strongly pushing towards innovation. The project’s primary goal is to utilize AI methods to solve the problem of generating the production cycle of a bolt. This complex decision-making process requires process engineers to think, draw, and test multiple possibilities before reaching the desired sequence. AI can strongly support humans in complex optimization tasks: in this work, we will provide a framework to cycle production optimization in technical manufacturing. We propose a novel mathematical representation of a manufacturing cycle: an innovative Inverse Tree Search methodology is proposed, streamlining the decision-making process and enhancing efficiency by reversing the transformation from the final bolt to the initial thread. A data-driven heuristic is integrated to improve operation prioritization in the Inverse Tree Search. Empirical results show how this approach significantly reduces the number of nodes visited in the search, demonstrating the transformative impact of data and AI in manufacturing, particularly in bolt production. Our solution fully leverages the company’s domain knowledge, expertise, and historical data collected over years of experience. To the best of the authors’ knowledge, this is the first work ever tackling this problem, and our algorithm is the first to provide engineering instructions for producing metal bolts correctly.

In questa tesi viene approfondito il cambiamento che sta attraversando il mondo manifatturiero, evidenziando la sua evoluzione da processi di manodopera all’integrazione di processi all’avanguardia, tecnologie come la digitalizzazione e l’intelligenza artificiale. Presentiamo un contributo originale sul campo, proponendo un nuovo approccio di pianificazione per semplificare l’ingegneria dei processi. Questa tesi è il prodotto di uno sforzo congiunto reso possibile da una collaborazione con Agrati S.p.A., azienda leader nel settore manifatturiero, fortemente orientata verso l’innovazione. L’obiettivo principale del progetto è utilizzare metodi di intelligenza artificiale per risolvere il problema della generazione di un ciclo produttivo di un bullone. Questo complesso processo decisionale richiede agli ingegneri di pensare, disegnare e testare molteplici possibilità prima di raggiungere la soluzione desiderata. L’intelligenza artificiale è in grado di supportare gli esseri umani in compiti di ottimizzazione: in questa tesi, proponiamo una soluzione per l’ottimizzazione della produzione del ciclo nella produzione tecnica. Lo studio formula un problema di pianificazione, utilizzando una rappresentazione di coordinate cartesiane dei bulloni. Viene proposta una metodologia innovativa di ricerca di alberi inversi, migliorando l’efficienza invertendo la trasformazione da il bullone finale allo spezzone iniziale. Viene poi integrata un’euristica per migliorare il funzionamento della prioritizzazione delle operazioni nella ricerca inversa dell’albero. I risultati mostrano che questo approccio riduce significativamente il numero di nodi visitati nella ricerca, a dimostrazione dell’impatto dell’intelligenza artificiale nella produzione di bulloni. La nostra soluzione sfrutta appieno la conoscenza del settore, l’esperienza e lo storico dati raccolti in anni di esperienza dall’azienda. Secondo le informazioni a disposizione degli autori, questa ricerca rappresenta il primo tentativo di risolvere questo specifico problema. Inoltre, il nostro algoritmo si distingue come il primo a delineare in modo efficace le direttive ingegneristiche per la fabbricazione di bulloni in metallo.